इक्विटी ऑप्शन ट्रेडिंग के लिए एंड-टू-एंड डीप लर्निंग
सारांश
दस्तावेज़ ऐसी एंड-टू-एंड मशीन लर्निंग पद्धति बताता है जो ऑप्शन बाज़ार डेटा को सीधे ट्रेडिंग संकेतों में बदलती है। बाज़ार की गतिशीलता तय करने या ऑप्शन मूल्य निर्धारण मॉडल पर निर्भर रहने वाली पद्धतियों से अलग, यह मॉडल को देखे गए डेटा और ट्रेडिंग निर्णयों के बीच संबंध सीखने के लिए प्रशिक्षित करती है। इसमें ट्रेडिंग गतिविधि और उसकी लागतों को ध्यान में रखने के लिए टर्नओवर रेग्युलराइज़ेशन भी शामिल है।
बताया गया बैकटेस्ट S&P 100 के घटक शेयरों के इक्विटी ऑप्शनों पर एक दशक से अधिक की अवधि को समेटता है। लेखक नियम-आधारित रणनीतियों की तुलना में बेहतर जोखिम-समायोजित प्रदर्शन और बहुत ऊँची लेनदेन लागतों के तहत टर्नओवर रेग्युलराइज़ेशन से अतिरिक्त लाभ की सूचना देते हैं। सारांश में मॉडल विवरण, प्रदर्शन आँकड़े या सत्यापन डिज़ाइन की जानकारी नहीं है; इसलिए केवल इस विवरण से नतीजों की मज़बूती और व्यावहारिक सामान्यता का आकलन नहीं किया जा सकता।
मुख्य विचार
- यह पद्धति बाज़ार की गतिशीलता या ऑप्शन मूल्य निर्धारण मॉडल तय किए बिना ऑप्शन बाज़ार डेटा से सीधे ट्रेडिंग संकेत सीखती है।
- यह अवलोकनों को ट्रेडिंग निर्णयों में बदलने के लिए एंड-टू-एंड डीप लर्निंग मॉडल का उपयोग करती है।
- टर्नओवर रेग्युलराइज़ेशन ट्रेडिंग गतिविधि और लेनदेन लागतों को ध्यान में रखता है।
- बताया गया बैकटेस्ट S&P 100 इक्विटी के ऑप्शनों पर एक दशक से अधिक की अवधि को कवर करता है।
- लेखक नियम-आधारित रणनीतियों की तुलना में बेहतर जोखिम-समायोजित प्रदर्शन की सूचना देते हैं।
टैग
पूरा पाठ
# Deep Learning for Options Trading: An End-To-End Approach # Deep Learning for Options Trading: An End-To-End Approach We introduce a novel approach to options trading strategies using a highly scalable and data-driven machine learning algorithm. In contrast to traditional approaches that often require specifications of underlying market dynamics or assumptions on an option pricing model, our models depart fundamentally from the need for these prerequisites, directly learning non-trivial mappings from market data to optimal trading signals. Backtesting on more than a decade of option contracts for equities listed on the S&P 100, we demonstrate that deep learning models trained according to our end-to-end approach exhibit significant improvements in risk-adjusted performance over existing rules-based trading strategies. We find that incorporating turnover regularization into the models leads to further performance enhancements at prohibitively high levels of transaction costs.
स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0
यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।