Momentum-Portfolios über mehrere Zeitskalen mit Multi-Task-Learning

Zusammenfassung

DeepUnifiedMom ist ein Rahmen zur Portfoliozusammenstellung, der Momentum-Signale aus Zeitreihen über mehrere Anlagehorizonte hinweg kombiniert. Mithilfe von Multi-Task-Learning und einer Multi-Gate-Mixture-of-Experts-Architektur bildet er einheitliche Portfolios. Damit soll Momentum-Verhalten erfasst werden, das bei Strategien mit enger gefassten Zeiträumen möglicherweise übersehen wird.

Das Dokument berichtet Backtests über Aktienindizes, festverzinsliche Anlagen, Devisen und Rohstoffe hinweg und gibt an, dass der Rahmen Vergleichsmodelle nach Transaktionskosten übertraf. Die Beschreibung enthält keine konkreten Performance-Zahlen, Definitionen der Vergleichsmodelle, Stichprobenzeiträume oder Angaben zu Risikokontrollen. Dadurch lässt sich schwer beurteilen, wie robust der Ansatz ist, welchen üblichen Momentum-Risiken er ausgesetzt ist oder ob er sich für den Live-Handel eignet. Die berichteten Ergebnisse sind als Backtest-Aussagen zu verstehen, nicht als Beleg für künftige Renditen.

Kernaussagen

• DeepUnifiedMom verbindet Momentum-Signale aus Zeitreihen über mehrere Anlagehorizonte in einem Portfolioansatz.
• Das Modell nutzt Multi-Task-Learning und eine Multi-Gate-Mixture-of-Experts-Architektur.
• Die berichteten Backtests umfassen Aktienindizes, festverzinsliche Anlagen, Devisen und Rohstoffe.
• Laut Beschreibung übertrafen die Ergebnisse Vergleichsmodelle nach Transaktionskosten; Performance-Details fehlen jedoch.
• Backtest-Aussagen allein belegen weder Robustheit noch die erwartete Performance im Live-Handel.

Schlagwörter

# 2406.08742


# DeepUnifiedMom: Unified Time-series Momentum Portfolio Construction via Multi-Task Learning with Multi-Gate Mixture of Experts









This paper introduces DeepUnifiedMom, a deep learning framework that enhances portfolio management through a multi-task learning approach and a multi-gate mixture of experts. The essence of DeepUnifiedMom lies in its ability to create unified momentum portfolios that incorporate the dynamics of time series momentum across a spectrum of time frames, a feature often missing in traditional momentum strategies. Our comprehensive backtesting, encompassing diverse asset classes such as equity indexes, fixed income, foreign exchange, and commodities, demonstrates that DeepUnifiedMom consistently outperforms benchmark models, even after factoring in transaction costs. This superior performance underscores DeepUnifiedMom's capability to capture the full spectrum of momentum opportunities within financial markets. The findings highlight DeepUnifiedMom as an effective tool for practitioners looking to exploit the entire range of momentum opportunities. It offers a compelling solution for improving risk-adjusted returns and is a valuable strategy for navigating the complexities of portfolio management.

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.