सुपरवाइज़्ड ऑटोएन्कोडर, नॉइज़ ऑगमेंटेशन और ट्रिपल बैरियर लेबल

सारांश

यह अध्ययन वित्तीय पूर्वानुमान के लिए सुपरवाइज़्ड ऑटोएन्कोडर और ट्रेडिंग रणनीति के प्रदर्शन पर उनके प्रभाव की पड़ताल करता है। इसमें सीखे गए प्रतिनिधित्व को फ्रैक्शनली डिफरेंशिएटेड फ़ीचर और ट्रिपल बैरियर लेबल के साथ जोड़ा गया है और जाँचा गया है कि प्रशिक्षण के दौरान नॉइज़ जोड़ने से जोखिम-समायोजित रिटर्न बदलते हैं या नहीं। मूल्यांकन में जनवरी 2016 से अप्रैल 2022 तक के बिटकॉइन, लाइटकॉइन और इथेरियम डेटा का उपयोग किया गया है; शार्प और इन्फ़ॉर्मेशन रेशियो प्रदर्शन माप हैं।

रिपोर्ट किए गए निष्कर्ष बताते हैं कि नॉइज़ ऑगमेंटेशन की संतुलित मात्रा और उपयुक्त ऑटोएन्कोडर बॉटलनेक रणनीति की प्रभावशीलता सुधार सकते हैं। बहुत अधिक नॉइज़ या अत्यधिक बड़ा बॉटलनेक प्रदर्शन घटा सकता है, इसलिए इन सेटिंग्स को समायोजित करना आवश्यक है। अंश में विशिष्ट रेशियो मान, तुलना के आधार या सत्यापन और ट्रेडिंग लागतों के ब्यौरे नहीं दिए गए हैं। इसलिए निष्कर्ष बताए गए एसेट और नमूना अवधि के परिणाम बताते हैं; वे यह स्थापित नहीं करते कि यह तरीका सभी बाज़ारों या लाइव ट्रेडिंग स्थितियों में काम करेगा।

मुख्य विचार

• अध्ययन वित्तीय पूर्वानुमान और रणनीति प्रदर्शन के लिए सुपरवाइज़्ड ऑटोएन्कोडर का मूल्यांकन करता है।
• यह फ्रैक्शनली डिफरेंशिएटेड फ़ीचर को ट्रिपल बैरियर लेबल के साथ जोड़ता है।
• नॉइज़ ऑगमेंटेशन और बॉटलनेक का आकार मापे गए जोखिम-समायोजित रिटर्न को प्रभावित करते हैं।
• रिपोर्ट किए गए नतीजे अत्यधिक मानों की तुलना में संतुलित नॉइज़ और बॉटलनेक सेटिंग्स के पक्ष में हैं।
• अंश में व्यापक प्रयोज्यता का आकलन करने के लिए संख्यात्मक नतीजे या पर्याप्त सत्यापन विवरण नहीं हैं।

टैग

# 2411.12753


# Supervised Autoencoders with Fractionally Differentiated Features and Triple Barrier Labelling Enhance Predictions on Noisy Data









This paper investigates the enhancement of financial time series forecasting with the use of neural networks through supervised autoencoders (SAE), to improve investment strategy performance. Using the Sharpe and Information Ratios, it specifically examines the impact of noise augmentation and triple barrier labeling on risk-adjusted returns. The study focuses on Bitcoin, Litecoin, and Ethereum as the traded assets from January 1, 2016, to April 30, 2022. Findings indicate that supervised autoencoders, with balanced noise augmentation and bottleneck size, significantly boost strategy effectiveness. However, excessive noise and large bottleneck sizes can impair performance.

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।