LSTM-Prognose täglicher Änderungen von Aktientrends

Zusammenfassung

E-TRENDS schlägt einen Prognoserahmen mit LSTM für tägliche Änderungen von Aktientrends vor. Im Mittelpunkt stehen die 30 größten Aktien des S&P 500; beschrieben wird eine Validierung über Marktzyklen von 2005 bis 2025. Statt das Trendniveau direkt vorherzusagen, prognostiziert die Methode dessen tägliche Differenz, was laut den Autoren den Bias-Varianz-Kompromiss verringern kann.

Die Arbeit vergleicht die Methode mit gewöhnlichen kleinsten Quadraten, Ridge-, Lasso- und LightGBM-Regression und berichtet Portfoliosimulationen, die Gewinn und Verlust gegenüber den Alternativmodellen bewerten. Dem Abstract zufolge zeigen die Simulationen wirtschaftliche Gewinne; es enthält jedoch weder Leistungskennzahlen noch Angaben zur Portfoliozusammenstellung, Transaktionskosten oder Risikomaßen. Der angegebene Bewertungszeitraum und die Auswahl der Anlagewerte begrenzen ebenfalls die Übertragbarkeit der Ergebnisse. Die Beschreibung stellt einen Prognoseansatz und einen Benchmark-Plan vor; weitere methodische und empirische Einzelheiten sind nötig, um Robustheit oder Nutzen für den Live-Handel zu beurteilen.

Kernaussagen

• Der Rahmen verwendet ein LSTM, um tägliche Änderungen von Aktientrends vorherzusagen.
• Die Studie konzentriert sich auf 30 große S&P-500-Aktien und bewertet Daten aus dem Zeitraum von 2005 bis 2025.
• Die Vorhersage von Differenzen statt Niveaus soll den Bias-Varianz-Kompromiss verringern.
• Zu den berichteten Benchmarks gehören OLS, Ridge-, Lasso- und LightGBM-Regression.
• Laut Bericht zeigen Portfoliosimulationen Gewinne, doch das Abstract enthält keine detaillierten Angaben zu Leistung oder Kosten.

Schlagwörter

# E-TRENDS: Enhanced LSTM Trend Forecasting for Equities


# E-TRENDS: Enhanced LSTM Trend Forecasting for Equities









Trend-following strategies underpin many systematic trading approaches yet struggle under nonstationary and nonlinear market regimes. We propose an LSTM-based framework to forecast next-day trend differences ($Δ_t$) for the top 30 S\&P 500 equities, validated across market cycles (2005--2025). Key contributions include: (i) formal proof of bias-variance reduction via differencing, (ii) exhaustive empirical benchmarks against OLS, Ridge, and Lasso, (iii) portfolio simulations confirming economic gains in terms of overall PNL compared to other models like OLS, Ridge, Lasso or LightGBM Regressor

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.