شبکه باور عمیق برای معامله پرتفوی قراردادهای آتی خزانه‌داری
خلاصه
این پژوهش راهبردی با بسامد متوسط برای پرتفویی از قراردادهای آتی اسناد خزانه‌داری US با سررسیدهای پنج‌ساله و ده‌ساله شرح می‌دهد. معامله را به‌صورت مسئله طبقه‌بندی صورت‌بندی می‌کند: پیش‌بینی اینکه پرتفوی در هفته پیش‌رو بالا می‌رود یا پایین. ورودی‌های پیش‌بینی، ویژگی‌هایی هستند که شبکه باور عمیقِ آموزش‌دیده با شاخص‌های فنی قراردادهای آتیِ اجزای پرتفوی آموخته است.
نویسندگان گزارش می‌کنند که خط لوله حاصل از یادگیری ماشین در آزمایش‌های آن‌ها معامله‌های سودآوری ایجاد کرده است. شرح موجود جزئیاتی درباره دوره نمونه، طراحی آزمون، هزینه‌ها، عملکرد تعدیل‌شده بر اساس ریسک یا مقایسه با مدل‌های ساده‌تر ارائه نمی‌دهد. در نتیجه، رویکرد مدل‌سازی را بیان می‌کند، اما شواهد محدودی برای قضاوت درباره استحکام یا قابلیت اجرای سودآوری گزارش‌شده فراهم می‌آورد. موفقیت آزمایشی تاریخی را نباید تضمینی برای بازده آینده دانست.
ایده‌های کلیدی
- راهبرد پرتفویی از قراردادهای آتی اسناد خزانه‌داری US با سررسیدهای پنج‌ساله و ده‌ساله را معامله می‌کند.
- جهت هفتگی پرتفوی به‌صورت مسئله دسته‌بندی پیش‌بینی می‌شود.
- شبکه باور عمیق از شاخص‌های فنی قراردادهای آتی اجزای پرتفوی ویژگی استخراج می‌کند.
- نویسندگان نتایج معاملاتی سودآوری را در آزمایش‌ها گزارش می‌کنند.
- شرح، جزئیات کافی برای ارزیابی استحکام یا هزینه‌های معامله ارائه نمی‌دهد.
برچسب‌ها
متن کامل
# Using machine learning for medium frequency derivative portfolio trading # Using machine learning for medium frequency derivative portfolio trading We use machine learning for designing a medium frequency trading strategy for a portfolio of 5 year and 10 year US Treasury note futures. We formulate this as a classification problem where we predict the weekly direction of movement of the portfolio using features extracted from a deep belief network trained on technical indicators of the portfolio constituents. The experimentation shows that the resulting pipeline is effective in making a profitable trade.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.