Passer au contenu
Tous les documents de la bibliothèque

Prévision des changements de tendance des actions au jour suivant par LSTM

Article arXiv papers · Auteur: Harris Buchanan et al.
Lire la source originale

Résumé

E-TRENDS propose un cadre de prévision LSTM des changements de tendance des actions au jour suivant. L’étude porte sur les 30 plus grandes actions du S&P 500 et décrit une validation couvrant des cycles de marché de 2005 à 2025. Au lieu de prévoir directement le niveau de tendance, la méthode prédit sa différence journalière, ce qui, selon les auteurs, peut réduire le compromis biais-variance.

L’article compare la régression des moindres carrés ordinaires, Ridge, Lasso et LightGBM, ainsi que des simulations de portefeuille qui évaluent les profits et pertes par rapport aux autres modèles. Le résumé affirme que les simulations montrent des gains économiques, mais ne fournit ni chiffres de performance, ni détails sur la construction du portefeuille, ni coûts de transaction, ni mesures du risque. La période d’évaluation et la sélection des actifs limitent également la portée de la généralisation des résultats. La description présente une approche de prévision et un plan de comparaison, mais des détails méthodologiques et empiriques supplémentaires sont nécessaires pour évaluer la robustesse ou la valeur en trading réel.

Idées clés

  • Le cadre utilise un LSTM pour prévoir les changements de tendance des actions au jour suivant.
  • L’étude porte sur les grandes actions 30 du S&P 500 et évalue des données couvrant la période de 2005 à 2025.
  • Prévoir les différences plutôt que les niveaux est proposé pour réduire le compromis biais-variance.
  • Les références de comparaison mentionnées comprennent OLS, Ridge, Lasso et la régression LightGBM.
  • Les simulations de portefeuille montreraient des gains, mais le résumé ne donne aucun détail sur les performances ou les coûts.

Étiquettes

ActionsMarchés américainsSuivi de tendanceApprentissage automatiqueBacktest
Texte intégral
# E-TRENDS: Enhanced LSTM Trend Forecasting for Equities


# E-TRENDS: Enhanced LSTM Trend Forecasting for Equities









Trend-following strategies underpin many systematic trading approaches yet struggle under nonstationary and nonlinear market regimes. We propose an LSTM-based framework to forecast next-day trend differences ($Δ_t$) for the top 30 S\&P 500 equities, validated across market cycles (2005--2025). Key contributions include: (i) formal proof of bias-variance reduction via differencing, (ii) exhaustive empirical benchmarks against OLS, Ridge, and Lasso, (iii) portfolio simulations confirming economic gains in terms of overall PNL compared to other models like OLS, Ridge, Lasso or LightGBM Regressor

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.