Мы применяем машинное обучение, чтобы формировать рейтинг IPO. В частности, мы используем метод градиентного бустинга и библиотеку XGBoost. На входе мы загружаем в машину финансовые показатели компании и характеристики IPO-сделки:
- Revenue
- Net Income
- Free Cash Flow
- Tangible Assets
- Total Assets
- Total Debt
- Cash & Equivalents
- Offer Amount
- Market Capitalization
- Sector
На основе этих данных алгоритм рассчитывает мультипликаторы и вычисляет перспективность IPO. На выходе алгоритм формирует рейтинг, который отражает прогноз доходности. На данный момент алгоритм формирует четыре рейтинга:
ST-ratingОтражает прогноз доходности на краткосрочный период. За точку входа принимается цена закрытия первой торговой сессии. За точку выхода — цена закрытия 100 торговой сессии (что примерно соответствует 20 календарным неделям). Мы взяли этот период для краткосрочного рейтинга, потому что большинство IPO растут в первые 100 торговых сессий.
LT-rating
Отражает прогноз доходности на долгосрочный период. За точку входа принимается цена закрытия первой торговой сессии. За точку выхода — цена закрытия 250 торговой сессии (что примерно соответствует одному календарному году).
iST-ratingОтражает прогноз доходности на краткосрочный период. За точку входа принимается цена IPO. За точку выхода — цена закрытия 100 торговой сессии. Аллокация не учитывается.
iLT-ratingОтражает прогноз доходности на долгосрочный период. За точку входа принимается цена IPO. За точку выхода — цена закрытия 250 торговой сессии. Аллокация не учитывается.
Мы протестировали алгоритм на исторических данных. Совокупные графики бэктестов показаны ниже. Изучить отдельные сделки и посмотреть точность прогнозов алгоритма можно с помощью Google-таблиц. Ссылки на таблицы приложены к описанию каждого отдельного рейтинга.