بهینه‌سازی قواعد معاملات سهام مبتنی بر احساسات با جست‌وجوی تکاملی
خلاصه
مقاله از بهینه‌سازی تکاملی برای محاسبه استراتژی‌های معاملاتی قاعده‌محور بر پایه داده‌های احساسات مالی استفاده می‌کند. سیگنال احساسات، دیدگاه صعودی یا نزولی جامعه آنلاین معامله‌گری درباره سهام منفرد را نشان می‌دهد و از StockTwits گرفته شده است. نویسندگان نتایج عددی مربوط به سهام شاخص صنعتی داوجونز را گزارش می‌کنند و رویکرد خود را با انتخاب سبد کلاسیکِ مبتنی بر ریسک و بازده مقایسه می‌کنند.
این پژوهش روشی را توصیف می‌کند که احساسات شبکه‌های اجتماعی را با جست‌وجوی تکاملی ترکیب می‌کند و آن را در کنار رویکرد انتخاب سبد می‌سنجد. بخش ارائه‌شده قواعد معاملاتی، طراحی بهینه‌سازی، دوره زمانی، هزینه‌های تراکنش یا خود نتایج را مشخص نمی‌کند. بدون این جزئیات نمی‌توان ارزیابی کرد که آیا استراتژی‌ها تعمیم‌پذیرند، هزینه‌های پیاده‌سازی را لحاظ می‌کنند یا بر مبنای تعدیل‌شده با ریسک عملکرد بهتری دارند. شواهد به تحلیل و مقایسه بیان‌شده محدود است.
ایده‌های کلیدی
- این روش از بهینه‌سازی تکاملی برای تولید استراتژی‌های معاملاتی قاعده‌محور استفاده می‌کند.
- ورودی‌های احساسات بازتاب‌دهنده دیدگاه‌های صعودی یا نزولی بیان‌شده در StockTwits هستند.
- این مطالعه نتایج مربوط به سهام شرکت‌های شاخص DJIA را گزارش می‌کند.
- رویکرد با انتخاب سبد کلاسیکِ مبتنی بر ریسک و بازده مقایسه می‌شود، اما این بخش معیارها و جزئیات پیاده‌سازی را ذکر نمی‌کند.
برچسب‌ها
متن کامل
# Computing trading strategies based on financial sentiment data using evolutionary optimization # Computing trading strategies based on financial sentiment data using evolutionary optimization In this paper we apply evolutionary optimization techniques to compute optimal rule-based trading strategies based on financial sentiment data. The sentiment data was extracted from the social media service StockTwits to accommodate the level of bullishness or bearishness of the online trading community towards certain stocks. Numerical results for all stocks from the Dow Jones Industrial Average (DJIA) index are presented and a comparison to classical risk-return portfolio selection is provided.
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.