یادگیری نظارتشده برای روند قیمت قراردادهای آتی چین
خلاصه
این سند رویکردی مبتنی بر یادگیری نظارتشده را برای پیشبینی جهت قیمت در بازار قراردادهای آتی چین شرح میدهد. از یک مدل طبقهبندی برای پیشبینی حرکت قیمت قراردادهای آتی استفاده میکند و پیشبینیها را به یک استراتژی معاملاتی تبدیل میکند. انگیزه اعلامشده، درنظرگرفتن ویژگیهای این بازار است، هرچند متن ویژگیها، ابزارها، طراحی مدل یا قواعد معامله را مشخص نمیکند.
نویسندگان Precision، Recall و امتیاز F1 را در دادههای آزمون، بهعنوان شواهدی مبنی بر برآوردهشدن الزامات دقت طبقهبند گزارش میکنند. آنها همچنین از یک بکتست با منحنی بازده رو به رشد و افت اندک از اوج سرمایه میگویند. این ادعاها از عملکرد امیدوارکننده طبقهبندی و استراتژی در دادههای تاریخی حکایت دارند، اما متن هیچ مقداری برای معیارها، معیار مرجع، فرض هزینهها یا جزئیات اعتبارسنجی نمیدهد. بنابراین نتایج نمیتوانند استحکام رویکرد یا تعمیمپذیری آن به معامله زنده را اثبات کنند.
ایدههای کلیدی
- پژوهش با طبقهبندی نظارتشده، جهت قیمت قراردادهای آتی در بازار چین را پیشبینی میکند.
- تصمیمهای معاملاتی بر پایه حرکتهای قیمتی پیشبینیشده مدل گرفته میشوند.
- Precision، Recall و امتیاز F1 برای ارزیابی طبقهبندی روی دادههای آزمون به کار میروند.
- بکتست گزارششده، منحنی بازدهی رو به رشد و افت اندکی از اوج سرمایه دارد.
- متن جزئیات مدل و اطلاعات لازم برای قضاوت درباره استحکام خارج از نمونه را ارائه نمیکند.
برچسبها
متن کامل
# Application of supervised learning models in the Chinese futures market # Application of supervised learning models in the Chinese futures market Based on the characteristics of the Chinese futures market, this paper builds a supervised learning model to predict the trend of futures prices and then designs a trading strategy based on the prediction results. The Precision, Recall and F1-score of the classification problem show that our model can meet the accuracy requirements for the classification of futures price movements in terms of test data. The backtest results show that our trading system has an upward trending return curve with low capital retracement.
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.