Apprentissage supervisé des tendances des prix des contrats à terme chinois

Résumé

Le document présente une approche d’apprentissage supervisé pour prévoir l’orientation des prix sur le marché chinois des contrats à terme. Il utilise un modèle de classification pour prédire les mouvements de prix des contrats à terme, puis transforme ces prédictions en stratégie de trading. La motivation annoncée est de tenir compte des caractéristiques de ce marché, même si l’extrait ne précise ni les variables, ni les instruments, ni la conception du modèle, ni les règles de trading utilisées.

Les auteurs présentent la précision, le rappel et le score F1 sur les données de test comme preuves que le classificateur répond à leurs exigences de précision. Ils décrivent aussi un backtest dont la courbe de rendement est orientée à la hausse et le recul du capital limité. Ces affirmations suggèrent des résultats prometteurs pour la classification et les performances historiques de la stratégie, mais l’extrait ne fournit ni valeurs des mesures, ni référence de comparaison, ni hypothèses de coûts, ni détails de validation. Les résultats ne permettent donc pas d’établir la robustesse de l’approche ni sa capacité à se généraliser au trading en réel.

Idées clés

• L’étude prédit l’orientation des prix des contrats à terme sur le marché chinois au moyen d’une classification supervisée.
• Les décisions de trading reposent sur les mouvements de prix prédits par le modèle.
• La précision, le rappel et le score F1 servent à évaluer la classification sur les données de test.
• Le backtest présenté montre une courbe de rendement orientée à la hausse et un recul limité du capital.
• L’extrait omet les détails du modèle et les informations nécessaires pour juger sa robustesse hors échantillon.

Étiquettes

# 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.

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.