تعلم الروابط بين الشركات لاستراتيجيات انتقال الزخم

الملخص

تقترح هذه الوثيقة روابط متجهات الخصائص بديلًا لتمثيل العلاقات بين الشركات. وتستخدم الخصائص لتقدير الروابط، أولًا بقياس التشابه الإقليدي، ثم بتطبيق تعلم الآلة للإدراك الكمي لتعلم التشابه. والهدف هو تمثيل ترابط الشركات بما يفيد استراتيجيات تداول انتقال الزخم.

تفيد النتائج المعلنة بأن الاستراتيجيات المبنية على طريقتي التشابه قد تكون مربحة، وأن التشابه المتعلم عبر QCML يؤدي أفضل من النسخة الإقليدية. ولا تحدد الوثيقة البيانات أو فترة العينة أو تكاليف المعاملات أو ضوابط المخاطر أو تصميم التقييم، كما لا تقدم مقاييس أداء رقمية. لذا تدعم المقارنة الطريقة المقترحة ضمن الدراسة كما وُصفت، لكنها لا تحسم متانتها أو قابليتها للتطبيق عبر الأسواق.

الأفكار الرئيسية

• تُقترح روابط متجهات الخصائص بديلًا لتمثيل العلاقات بين الشركات.
• يُقدّر التشابه بين الشركات أولًا باستخدام المسافة الإقليدية، ثم باستخدام QCML.
• يُطبق مقياس التشابه المتعلم على استراتيجيات انتقال الزخم.
• تذكر الوثيقة أن أداء الاستراتيجية مع التشابه عبر QCML أقوى منه مع التشابه الإقليدي.
• لا تتوفر تفاصيل لازمة لتقييم التكاليف والمتانة والأداء خارج العينة.

الوسوم

# Supervised Similarity for Firm Linkages


# Supervised Similarity for Firm Linkages









We introduce a novel proxy for firm linkages, Characteristic Vector Linkages (CVLs). We use this concept to estimate firm linkages, first through Euclidean similarity, and then by applying Quantum Cognition Machine Learning (QCML) to similarity learning. We demonstrate that both methods can be used to construct profitable momentum spillover trading strategies, but QCML similarity outperforms the simpler Euclidean similarity.

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.