株式のモメンタム・リスクテイクを数理的に捉える枠組み
記事 arXiv papers · 著者: Ivan Cherednik
サマリー
この文書では、モメンタム・リスクテイクを短期的な株式ボラティリティのリアルタイム管理として捉えています。提案システムは、ニュースが株価に与える影響の理論を、投資期間ごとの期待リターンを示す離散的な表に変換し、その表を自動売買の判断に用います。また、機械学習、確率過程、分数ブラウン運動、市場を超えた意思決定との関連も説明しています。
著者らは過去データとリアルタイムの実験が成功したと報告していますが、この説明にはサンプルの詳細、パフォーマンス数値、比較方法がありません。価格への影響に関する理論では特殊な数学関数を用いるとされていますが、機械学習の手順は簡潔にしか説明されていません。したがって、この要約が示すのは提案された枠組みであり、前提、実装、頑健性を評価するには情報が足りません。
主なアイデア
- この手法は、モメンタム・リスクテイクを短期株式ボラティリティのリアルタイム制御として扱います。
- ニュースの影響に関する理論を、複数の投資期間における期待リターン表に変換します。
- その表を自動株式売買システムの入力として利用します。
- 著者らは過去データとリアルタイムの実験を報告していますが、ここでは定量的な結果を示していません。
タグ
全文
# Artificial intelligence approach to momentum risk-taking # Artificial intelligence approach to momentum risk-taking We propose a mathematical model of momentum risk-taking, which is essentially real-time risk management focused on short-term volatility of stock markets. Its implementation, our fully automated momentum equity trading system presented systematically, proved to be successful in extensive historical and real-time experiments. Momentum risk-taking is one of the key components of general decision-making, a challenge for artificial intelligence and machine learning with deep roots in cognitive science; its variants beyond stock markets are discussed. We begin with a new algebraic-type theory of news impact on share-prices, which describes well their power growth, periodicity, and the market phenomena like price targets and profit-taking. This theory generally requires Bessel and hypergeometric functions. Its discretization results in some tables of bids, which are basically expected returns for main investment horizons, the key in our trading system. The ML procedures we use are similar to those in neural networking. A preimage of our approach is the new contract card game provided at the end, a combination of bridge and poker. Relations to random processes and the fractional Brownian motion are outlined.
出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0
この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。