コンテンツへスキップ
ライブラリの全資料

高頻度株式シグナルに用いる機械学習モデルの比較

記事 arXiv papers · 著者: Jiahao Chen et al.
原文を読む

サマリー

この文書は、ニューラルネットワークの予測から売買シグナルを生成する、高頻度株式取引アルゴリズムの提案を概説しています。比較するのは、交差エントロピー損失と準ニュートン法で最適化するロジスティック回帰、全結合ニューラルネットワーク、サポートベクターマシンの3手法です。示された根拠では、ニューラルネットワークは株価データから特徴を抽出して分類でき、サポートベクター法は観測値をより高次元の空間に写像して分類します。

頻繁な取引にどのモデルが最も有効かを判断するために各モデルを評価するとしていますが、この説明にはデータセット、シグナル規則、レイテンシや執行の前提、パフォーマンス指標、比較結果がありません。したがって、どのモデルが最良か、またはアルゴリズムが実市場で実行可能かを裏付ける証拠ではなく、モデル構成と取引の概念を示しています。提示された内容では、取引コスト、市場インパクト、高速取引のリスクについて触れていません。

主なアイデア

  • ニューラルネットワークの予測を売買シグナルに変換し、頻繁な株式取引に用いる提案手法です。
  • ロジスティック回帰、全結合ニューラルネットワーク、サポートベクターマシンを比較します。
  • 各モデルを株価データの分類と取引シグナル生成の代替手法として提示しています。
  • 比較を評価するためのデータセットやパフォーマンス結果は説明されていません。
  • 提示された説明では、執行コスト、レイテンシ、市場インパクトを扱っていません。

タグ

株式機械学習高頻度取引注文執行
全文
# Analysis of frequent trading effects of various machine learning models


# Analysis of frequent trading effects of various machine learning models









In recent years, high-frequency trading has emerged as a crucial strategy in stock trading. This study aims to develop an advanced high-frequency trading algorithm and compare the performance of three different mathematical models: the combination of the cross-entropy loss function and the quasi-Newton algorithm, the FCNN model, and the vector machine. The proposed algorithm employs neural network predictions to generate trading signals and execute buy and sell operations based on specific conditions. By harnessing the power of neural networks, the algorithm enhances the accuracy and reliability of the trading strategy. To assess the effectiveness of the algorithm, the study evaluates the performance of the three mathematical models. The combination of the cross-entropy loss function and the quasi-Newton algorithm is a widely utilized logistic regression approach. The FCNN model, on the other hand, is a deep learning algorithm that can extract and classify features from stock data. Meanwhile, the vector machine is a supervised learning algorithm recognized for achieving improved classification results by mapping data into high-dimensional spaces. By comparing the performance of these three models, the study aims to determine the most effective approach for high-frequency trading. This research makes a valuable contribution by introducing a novel methodology for high-frequency trading, thereby providing investors with a more accurate and reliable stock trading strategy.

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。