Regime-Aware Interpretable Ranking for Sector Rotation
Pubblicata su AIChronos il · fonte del · Kelvin J. L. Koa, Ziling Liu, Xinyang Li, Shuowei Feng, Ruoyu Liang, Mathieu Giroux
Il documento propone RegimeRank, un modello interpretabile per il ranking settoriale che formula la rotazione dei settori come ordinamento basato sul rendimento atteso futuro aggiustato per il rischio. Il sistema rappresenta segnali fondamentali e tecnici attraverso caratteristiche temporali esperte, le condiziona a fattori macroeconomici appresi tramite cross-attention e modella le dipendenze tra settori mediante self-attention. L'approccio utilizza attribuzioni basate sul gradiente atteso per identificare i contributi dei singoli coppie segnale-trasformazione, mentre mappe di attenzione forniscono diagnostica sulla struttura relazionale appresa.
- RegimeRank supera le basi rappresentative e machine-learning su dati settimanali S&P 500 dal 2002 al 2024 utilizzando validazione incrociata purgata combinatoria.
- Il modello preserva informazioni temporali ed esprime output attraverso caratteristiche di segnale economicamente familiari per i gestori dei portafogli.
- Gli studi di ablazione confermano l'importanza degli stati macro latenti, della condizionamento al regime e del modellizzazione cross-settoriale nelle performance.
- Le attribuzioni basate sul gradiente permettono di identificare le coppie segnale-trasformazione individuali che guidano il ranking settoriale.
Perché conta. Questa architettura è rilevante per sviluppatori di agenti AI e sistemi locali perché dimostra come integrare vincoli macroeconomicali esperti con meccanismi di attenzione appresi, offrendo trasparenza interpretabile (via attribuzioni gradient-based) cruciale per decisioni finanziarie automatizzate.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.