שימוש במסלולי מחיר שנוצרו על ידי GAN לבדיקת אסטרטגיות מסחר

מאמר arXiv papers · מחבר: Ao Sun et al.

סיכום

המסמך מציע להשתמש ברשתות יריבות גנרטיביות עם LSTMs כדי ליצור מסלולי מחירים היסטוריים סינתטיים להערכת אסטרטגיות מסחר. הנחת היסוד היא שאסטרטגיה שנבחרה בזכות ביצועים חזקים במדגם עלולה להיות מותאמת יתר על המידה, ולכן עליה להציג ביצועים טובים גם במסלולים שנדגמו ממודל של התפלגות הנתונים ההיסטורית.

תהליך העבודה המוצע מתאים את התפלגות סדרת הזמן באמצעות מודל GAN-LSTM, ואז מבצע בקטסט לאסטרטגיות מועמדות על מסלולים שנוצרו, כבדיקה נוספת כדי לצמצם את הסיכון להתאמת יתר. הטקסט מציג זאת כהצעה לשיטה, אך אינו מספק תוצאות ניסוי, פרטי מימוש או השוואה לשיטות תיקוף אחרות. זהו סיכום מתורגם של עבודת גמר שנכתבה במקור בסינית בשנת 2018; המסמך עצמו מזהיר שחלק מהטענות עשויות להיות מיושנות.

רעיונות מרכזיים

ביצועים חזקים בנתוני האימון לבדם עלולים להביא לבחירת אסטרטגיית מסחר עם התאמת יתר.
מוצע להשתמש ב-GAN בשילוב עם LSTM כדי ללמוד את התפלגות סדרת הזמן ההיסטורית.
מסלולים סינתטיים מהמודל המותאם מספקים נתונים נוספים לבדיקה היסטורית של אסטרטגיות.
המסמך אינו מספק תוצאות מדווחות או תיקוף מפורט של הגישה.

תגיות

למידת מכונה בדיקת ביצועים היסטוריים סטטיסטיקה

הטקסט המלא

# Backtesting Trading Strategies with GAN To Avoid Overfitting


# Backtesting Trading Strategies with GAN To Avoid Overfitting









Many works have shown the overfitting hazard of selecting a trading strategy based only on good IS (in sample) performance. But most of them have merely shown such phenomena exist without offering ways to avoid them. We propose an approach to avoid overfitting: A good (meaning non-overfitting) trading strategy should still work well on paths generated in accordance with the distribution of the historical data. We use GAN with LSTM to learn or fit the distribution of the historical time series . Then trading strategies are backtested by the paths generated by GAN to avoid overfitting.(This paper is an tanslated English version of a thesis (10.6342/NTU201801645) which was originally written in Chinese in 2018, where some statements and claims are outdated in 2022)

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.