עבור לתוכן
כל מסמכי הספרייה

אותות מומנטום LSTM לבניית תיק מניות ולמסחר

מאמר arXiv papers · מחבר: Hsiang-Hui Liu et al.

סיכום

NoxTrader משתמשת בנתוני מחיר ונפח היסטוריים של מניות US כדי ליצור מאפיינים כגון תשואה, מחיר שבועי ומומנטום מחירים חודשי. היא מיישמת מודל LSTM לחיזוי תשואות ולזיהוי מגמות מחיר מתמשכות, ומעדכנת את המודל באופן דינמי במהלך הביצוע. ציוני החיזוי מנחים את ניהול התיק במערכת בקטסטינג מותאמת אישית, והמסמך מציין שהתחזיות מראות טווח מתאם של 0.65 עד 0.75.

המחברים מדווחים שסינון נתוני החיזוי שינה תשואה ראשונית של השקעה מ--60% ל-325%. הם גם משווים את פיזור התחזיות לנתוני שוק שנצפו. אלה תוצאות מדווחות, אך בקטע אין פירוט של תקופת הבדיקה, יקום הנכסים, העלויות, אמת המידה, החשיפה לסיכון או הליך הסינון. לכן אי אפשר להעריך באופן בלתי תלוי את טענות הביצועים על סמך המידע שסופק.

רעיונות מרכזיים

  • המערכת יוצרת מאפייני תשואה, מחיר שבועי ומומנטום מחירים חודשי מנתוני מניות US.
  • מודל LSTM חוזה תשואות ומתעדכן במהלך המסחר כדי להסתגל למגמות השוק.
  • ציוני חיזוי משמשים לניהול תיקים במסגרת בקטסטינג מותאמת אישית.
  • המסמך מדווח על מתאמים בתחזיות ועל שיפור גדול לאחר סינון, אך חסרים בו פרטים הדרושים להערכת העמידות.

תגיות

הטקסט המלא
# NoxTrader: LSTM-Based Stock Return Momentum Prediction for Quantitative Trading


# NoxTrader: LSTM-Based Stock Return Momentum Prediction for Quantitative Trading









We introduce NoxTrader, a sophisticated system designed for portfolio construction and trading execution with the primary objective of achieving profitable outcomes in the stock market, specifically aiming to generate moderate to long-term profits. The underlying learning process of NoxTrader is rooted in the assimilation of valuable insights derived from historical trading data, particularly focusing on time-series analysis due to the nature of the dataset employed. In our approach, we utilize price and volume data of US stock market for feature engineering to generate effective features, including Return Momentum, Week Price Momentum, and Month Price Momentum. We choose the Long Short-Term Memory (LSTM)model to capture continuous price trends and implement dynamic model updates during the trading execution process, enabling the model to continuously adapt to the current market trends. Notably, we have developed a comprehensive trading backtesting system - NoxTrader, which allows us to manage portfolios based on predictive scores and utilize custom evaluation metrics to conduct a thorough assessment of our trading performance. Our rigorous feature engineering and careful selection of prediction targets enable us to generate prediction data with an impressive correlation range between 0.65 and 0.75. Finally, we monitor the dispersion of our prediction data and perform a comparative analysis against actual market data. Through the use of filtering techniques, we improved the initial -60% investment return to 325%.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.