コンテンツへスキップ
ライブラリの全資料

米国債先物ポートフォリオ取引におけるディープ・ビリーフ・ネットワーク

記事 arXiv papers · 著者: Abhijit Sharang et al.
原文を読む

サマリー

この研究は、米国US国債ノート先物の5年物と10年物からなるポートフォリオの、中頻度取引戦略を説明しています。取引を分類問題として捉え、翌週にポートフォリオが上昇するか下落するかを予測します。予測入力には、構成先物のテクニカル指標で訓練したディープ・ビリーフ・ネットワークが学習した特徴量を用います。

著者らは、機械学習パイプラインによって実験で利益の出る取引が得られたと報告しています。利用可能な説明には、標本期間、テスト設計、コスト、リスク調整後の成績、より単純なモデルとの比較について詳細がありません。そのため、モデル化の手法は分かりますが、報告された収益性の頑健性や実運用可能性を判断する証拠は限られています。過去の実験での成功を将来のリターンの保証と受け取るべきではありません。

主なアイデア

  • 5年物と10年物のUS国債ノート先物のポートフォリオを取引します。
  • ポートフォリオの週次方向を分類問題として予測します。
  • ディープ・ビリーフ・ネットワークが、構成先物のテクニカル指標から特徴量を抽出します。
  • 著者らは実験で利益の出る取引結果を報告しています。
  • 頑健性や取引コストを評価するには、説明されている詳細が不足しています。

タグ

先物固定利付商品機械学習テクニカル指標
全文
# Using machine learning for medium frequency derivative portfolio trading


# Using machine learning for medium frequency derivative portfolio trading









We use machine learning for designing a medium frequency trading strategy for a portfolio of 5 year and 10 year US Treasury note futures. We formulate this as a classification problem where we predict the weekly direction of movement of the portfolio using features extracted from a deep belief network trained on technical indicators of the portfolio constituents. The experimentation shows that the resulting pipeline is effective in making a profitable trade.

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。