شبكات المعتقدات العميقة لتداول محافظ عقود الخزانة الآجلة
الملخص
تصف هذه الدراسة استراتيجية متوسطة التواتر لمحفظة من عقود سندات الخزانة الأمريكية الآجلة لأجل خمس سنوات وعشر سنوات، US. وتصوغ التداول كمهمة تصنيف: التنبؤ بما إذا كانت المحفظة سترتفع أم تنخفض خلال الأسبوع المقبل. ومدخلات التنبؤ هي سمات تتعلمها شبكة معتقدات عميقة دُربت على مؤشرات فنية للعقود الآجلة المكونة للمحفظة.
ويفيد المؤلفون بأن مسار التعلم الآلي الناتج حقق صفقات مربحة في تجاربهم. ولا يقدم الوصف المتاح تفاصيل عن فترة العينة أو تصميم الاختبار أو التكاليف أو الأداء المعدل بالمخاطر أو المقارنة بنماذج أبسط. لذلك يوضح النهج النمذجي، لكنه يقدم أدلة محدودة للحكم على متانة الربحية المبلغ عنها أو قابليتها للتطبيق. ولا ينبغي اعتبار النجاح التجريبي التاريخي ضمانًا للعوائد المستقبلية.
الأفكار الرئيسية
- تتداول الاستراتيجية محفظة من عقود سندات الخزانة US الآجلة لأجل خمس وعشر سنوات.
- تتنبأ باتجاه المحفظة الأسبوعي بوصفه مسألة تصنيف.
- تستخرج شبكة معتقدات عميقة سمات من المؤشرات الفنية للعقود الآجلة المكونة للمحفظة.
- يذكر المؤلفون نتائج تداول تجريبية مربحة.
- لا يقدم الوصف تفاصيل كافية لتقييم المتانة أو تكاليف التداول.
الوسوم
النص الكامل
# Using machine learning for medium frequency derivative portfolio trading # Using machine learning for medium frequency derivative portfolio trading We use machine learning for designing a medium frequency trading strategy for a portfolio of 5 year and 10 year US Treasury note futures. We formulate this as a classification problem where we predict the weekly direction of movement of the portfolio using features extracted from a deep belief network trained on technical indicators of the portfolio constituents. The experimentation shows that the resulting pipeline is effective in making a profitable trade.
يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0
أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.