Portefeuilles de momentum multi-échelles avec apprentissage multitâche

Résumé

DeepUnifiedMom est un cadre de construction de portefeuille qui combine des signaux de momentum de séries temporelles sur plusieurs horizons. Il utilise l’apprentissage multitâche et une architecture de mélange d’experts à portes multiples pour former des portefeuilles unifiés, dans le but de capter des comportements de momentum qui pourraient échapper aux stratégies centrées sur un éventail plus restreint d’horizons.

Le document présente des backtests sur des indices d’actions, des titres à revenu fixe, le marché des changes et des matières premières, et indique que le cadre a surpassé les modèles de référence après coûts de transaction. La description fournie ne donne aucun chiffre de performance, aucune définition des références, aucune période d’échantillonnage ni détail sur les contrôles du risque. Ces omissions compliquent l’évaluation de la robustesse, de l’exposition aux risques courants du momentum et de la faisabilité du trading en réel ; les résultats rapportés doivent être considérés comme des résultats de backtest, et non comme une preuve de rendements futurs.

Idées clés

• DeepUnifiedMom combine des signaux de momentum de séries temporelles issus de plusieurs horizons dans un même cadre de portefeuille.
• Le modèle utilise l’apprentissage multitâche et une architecture de mélange d’experts à portes multiples.
• Les backtests présentés couvrent les indices d’actions, les titres à revenu fixe, le marché des changes et les matières premières.
• La description indique que les résultats dépassent ceux des modèles de référence après coûts de transaction, sans préciser les performances.
• Les résultats de backtest seuls n’établissent ni la robustesse ni les performances attendues en trading réel.

Étiquettes

# 2406.08742


# DeepUnifiedMom: Unified Time-series Momentum Portfolio Construction via Multi-Task Learning with Multi-Gate Mixture of Experts









This paper introduces DeepUnifiedMom, a deep learning framework that enhances portfolio management through a multi-task learning approach and a multi-gate mixture of experts. The essence of DeepUnifiedMom lies in its ability to create unified momentum portfolios that incorporate the dynamics of time series momentum across a spectrum of time frames, a feature often missing in traditional momentum strategies. Our comprehensive backtesting, encompassing diverse asset classes such as equity indexes, fixed income, foreign exchange, and commodities, demonstrates that DeepUnifiedMom consistently outperforms benchmark models, even after factoring in transaction costs. This superior performance underscores DeepUnifiedMom's capability to capture the full spectrum of momentum opportunities within financial markets. The findings highlight DeepUnifiedMom as an effective tool for practitioners looking to exploit the entire range of momentum opportunities. It offers a compelling solution for improving risk-adjusted returns and is a valuable strategy for navigating the complexities of portfolio management.

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.