الجمع بين التعلم العميق والأساليب التطورية للاستثمار في ETF

الملخص

تقترح الورقة البحثية نهجًا استثماريًا منهجيًا يستهدف بناء الثروة على مدى أطول عبر سلسلة من قرارات شراء ETF قصيرة الأجل. وتجمع بين الخوارزميات التطورية ونموذج للتعلم العميق لتحسين توقيت المساهمات مقارنة بالاستثمار المنهجي اليومي التقليدي. والهدف هو تكييف قرارات الشراء بمرور الوقت، بدلًا من الاستثمار بالطريقة نفسها في كل يوم مقرر.

يذكر المؤلفون عوائد أعلى بنحو واحد بالمئة من الاستثمار المنهجي اليومي التقليدي في ETF معين. ويقولون إن الأدلة مستمدة من قرارات تداول خوارزمية حية نُفذت عبر منصة وساطة للأفراد، لا من باك تست محاكى فقط. ولا يحدد الوصف الموجز ETF أو فترة التقييم أو مقاييس المخاطر أو التكاليف أو مدى قابلية تعميم المقارنة على صناديق أخرى وظروف سوق مختلفة. لذا يقدم الفرق المبلغ عنه دراسة حالة، لا ضمانًا عامًا بأن المجموعة ستحسن نتائج الاستثمار طويل الأجل.

الأفكار الرئيسية

• تجمع الطريقة بين الخوارزميات التطورية والتعلم العميق لتوجيه قرارات شراء ETF.
• تستهدف تراكم الثروة على المدى الطويل عبر سلسلة من خيارات الاستثمار قصيرة الأجل.
• تجري المقارنة مع الاستثمار المنهجي اليومي التقليدي في ETF معين.
• يذكر المؤلفون عوائد أعلى بنحو واحد بالمئة باستخدام قرارات خوارزمية فعلية، مع تفاصيل محدودة عن قابلية التعميم.

الوسوم

# Intelligent Systematic Investment Agent: an ensemble of deep learning and evolutionary strategies


# Intelligent Systematic Investment Agent: an ensemble of deep learning and evolutionary strategies









Machine learning driven trading strategies have garnered a lot of interest over the past few years. There is, however, limited consensus on the ideal approach for the development of such trading strategies. Further, most literature has focused on trading strategies for short-term trading, with little or no focus on strategies that attempt to build long-term wealth. Our paper proposes a new approach for developing long-term investment strategies using an ensemble of evolutionary algorithms and a deep learning model by taking a series of short-term purchase decisions. Our methodology focuses on building long-term wealth by improving systematic investment planning (SIP) decisions on Exchange Traded Funds (ETF) over a period of time. We provide empirical evidence of superior performance (around 1% higher returns) using our ensemble approach as compared to the traditional daily systematic investment practice on a given ETF. Our results are based on live trading decisions made by our algorithm and executed on the Robinhood trading platform.

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.