ऐतिहासिक मोमेंटम से आगे बाजार रुझानों का पूर्वानुमान करने हेतु डीप लर्निंग

सारांश

शोधपत्र का तर्क है कि पारंपरिक ट्रेंड-फ़ॉलोइंग और मोमेंटम रणनीतियाँ पिछले मूल्य व्यवहार पर निर्भर करती हैं और बाजार की स्थितियाँ बदलने पर सीमित हो सकती हैं। इसमें परिसंपत्ति प्रबंधन के निर्णयों को दिशा देने के उद्देश्य से भविष्य के बाजार रुझानों का पूर्वानुमान करने के लिए कृत्रिम बुद्धिमत्ता और मशीन-लर्निंग तकनीकों का उपयोग प्रस्तावित है।

लेखकों का सुझाव है कि सटीक पूर्वानुमान प्रतिफल बढ़ाने और ड्रॉडाउन घटाने में मदद कर सकते हैं, लेकिन दिए गए पाठ में किसी विशिष्ट मॉडल, इनपुट डेटा, मूल्यांकन डिज़ाइन या मापे गए परिणामों का वर्णन नहीं है। इसलिए इस अंश में बताए गए लाभों को प्रदर्शित साक्ष्य के बजाय प्रेरणा के रूप में पढ़ना चाहिए। इसमें पूर्वानुमानात्मक ट्रेंड मॉडलों का उच्च-स्तरीय औचित्य दिया गया है, लेकिन उनकी मज़बूती, कार्यान्वयन या स्थापित रणनीतियों के मुकाबले प्रदर्शन परखने के लिए पर्याप्त जानकारी नहीं है।

मुख्य विचार

• शोधपत्र बताता है कि ऐतिहासिक ट्रेंड-फ़ॉलोइंग और मोमेंटम पिछले बाजार व्यवहार पर निर्भर होने के कारण सीमित हैं।
• यह भविष्य के बाजार रुझानों का पूर्वानुमान करने के लिए मशीन-लर्निंग विधियों की वकालत करता है।
• प्रस्तावित पूर्वानुमानों का उद्देश्य परिसंपत्ति प्रबंधन के निर्णयों में सहायता करना है।
• इस अंश में मॉडल का विवरण या प्रतिफल और ड्रॉडाउन संबंधी सुझाए गए लाभों का अनुभवजन्य साक्ष्य नहीं है।

टैग

# Beyond Trend Following: Deep Learning for Market Trend Prediction


# Beyond Trend Following: Deep Learning for Market Trend Prediction









Trend following and momentum investing are common strategies employed by asset managers. Even though they can be helpful in the proper situations, they are limited in the sense that they work just by looking at past, as if we were driving with our focus on the rearview mirror. In this paper, we advocate for the use of Artificial Intelligence and Machine Learning techniques to predict future market trends. These predictions, when done properly, can improve the performance of asset managers by increasing returns and reducing drawdowns.

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।