Passer au contenu
Tous les documents de la bibliothèque

Apprendre les liens entre entreprises pour des stratégies de propagation du momentum

Article arXiv papers · Auteur: Ryan Samson et al.
Lire la source originale

Résumé

Ce document propose les liens par vecteurs de caractéristiques comme approximation des relations entre entreprises. Il utilise des caractéristiques pour estimer ces liens, d’abord en mesurant la similarité euclidienne, puis en appliquant l’apprentissage automatique par cognition quantique pour apprendre la similarité. L’objectif est de représenter les liens entre entreprises afin d’éclairer des stratégies de trading fondées sur la propagation du momentum.

Les résultats rapportés indiquent que les stratégies fondées sur les deux méthodes de similarité peuvent être rentables et que la similarité apprise par QCML surpasse la version euclidienne. La description ne précise ni les données, ni la période de l’échantillon, ni les coûts de transaction, ni les contrôles de risque, ni le dispositif d’évaluation ; elle ne fournit aucune mesure numérique de performance. La comparaison étaye donc la méthode proposée dans le cadre de l’étude décrite, mais laisse incertaines sa robustesse et son applicabilité à différents marchés.

Idées clés

  • Les liens par vecteurs de caractéristiques sont proposés comme approximation des relations entre entreprises.
  • La distance euclidienne et QCML servent à estimer la similarité entre entreprises.
  • La mesure de similarité apprise est appliquée à des stratégies de propagation du momentum.
  • Le document rapporte de meilleures performances des stratégies avec la similarité QCML qu’avec la similarité euclidienne.
  • Les détails nécessaires pour évaluer les coûts, la robustesse et les performances hors échantillon ne sont pas fournis.

Étiquettes

ActionsMomentumApprentissage automatiqueStatistiquesInvestissement factoriel
Texte intégral
# Supervised Similarity for Firm Linkages


# Supervised Similarity for Firm Linkages









We introduce a novel proxy for firm linkages, Characteristic Vector Linkages (CVLs). We use this concept to estimate firm linkages, first through Euclidean similarity, and then by applying Quantum Cognition Machine Learning (QCML) to similarity learning. We demonstrate that both methods can be used to construct profitable momentum spillover trading strategies, but QCML similarity outperforms the simpler Euclidean similarity.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.