الانتقال إلى المحتوى
جميع مستندات المكتبة

إشارات الزخم LSTM لبناء محافظ الأسهم والتداول

مقال arXiv papers · المؤلف: Hsiang-Hui Liu et al.

الملخص

يستخدم نوكس تريدر بيانات الأسعار والأحجام التاريخية للأسهم US لبناء خصائص مثل العائد والسعر الأسبوعي وزخم السعر الشهري. ويطبق نموذج LSTM للتنبؤ بالعوائد والتقاط اتجاهات الأسعار المستمرة، مع تحديث النموذج ديناميكيًا أثناء التنفيذ. وتوجه درجات التنبؤ إدارة المحافظ ضمن نظام مخصص للاختبار التاريخي، ويذكر المستند أن الارتباطات بين التنبؤات تقع بين 0.65 و0.75.

يفيد المؤلفون بأن ترشيح بيانات التنبؤ غيّر عائد الاستثمار الأولي من -60% إلى 325%. كما يقارنون تشتت التنبؤات ببيانات السوق المرصودة. هذه نتائج مبلّغ عنها، لكن المقتطف لا يحدد فترة الاختبار أو مجموعة الأصول أو التكاليف أو المؤشر المرجعي أو التعرض للمخاطر أو إجراء الترشيح. لذلك لا يمكن تقييم ادعاءات الأداء بصورة مستقلة استنادًا إلى المعلومات المتاحة.

الأفكار الرئيسية

  • يستخرج النظام خصائص العائد والسعر الأسبوعي وزخم السعر الشهري من بيانات الأسهم US.
  • يتنبأ نموذج LSTM بالعوائد ويُحدَّث أثناء التداول ليتكيف مع اتجاهات السوق.
  • تُستخدم درجات التنبؤ لإدارة المحافظ ضمن إطار مخصص للاختبار التاريخي.
  • يذكر المستند ارتباطات للتنبؤ وتحسنًا كبيرًا بعد الترشيح، لكنه لا يورد التفاصيل اللازمة لتقييم المتانة.

الوسوم

النص الكامل
# NoxTrader: LSTM-Based Stock Return Momentum Prediction for Quantitative Trading


# NoxTrader: LSTM-Based Stock Return Momentum Prediction for Quantitative Trading









We introduce NoxTrader, a sophisticated system designed for portfolio construction and trading execution with the primary objective of achieving profitable outcomes in the stock market, specifically aiming to generate moderate to long-term profits. The underlying learning process of NoxTrader is rooted in the assimilation of valuable insights derived from historical trading data, particularly focusing on time-series analysis due to the nature of the dataset employed. In our approach, we utilize price and volume data of US stock market for feature engineering to generate effective features, including Return Momentum, Week Price Momentum, and Month Price Momentum. We choose the Long Short-Term Memory (LSTM)model to capture continuous price trends and implement dynamic model updates during the trading execution process, enabling the model to continuously adapt to the current market trends. Notably, we have developed a comprehensive trading backtesting system - NoxTrader, which allows us to manage portfolios based on predictive scores and utilize custom evaluation metrics to conduct a thorough assessment of our trading performance. Our rigorous feature engineering and careful selection of prediction targets enable us to generate prediction data with an impressive correlation range between 0.65 and 0.75. Finally, we monitor the dispersion of our prediction data and perform a comparative analysis against actual market data. Through the use of filtering techniques, we improved the initial -60% investment return to 325%.

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.