コンテンツへスキップ
ライブラリの全資料

ファクターモデル残差を取引する深層学習戦略

記事 arXiv papers · 著者: Wo Long et al.
原文を読む

サマリー

本研究は、資産価格ファクターモデルの残差を取引する深層学習による統計的裁定手法を再現します。米国株式データの2016から2024までを使い、元の手法をより新しいアウトオブサンプル期間に適用します。先行研究のデータ前処理とファクターモデリングに沿い、畳み込みニューラルネットワークとTransformerを用います。情報漏洩を避けるため、時点整合性を守る手法を適用したと著者らは述べています。

一部の検証では、アウトオブサンプルのシャープレシオが異例に高く、10を超える場合もあります。著者らは、これらの結果が過剰適合、市場環境が例外的に有利だったこと、または取引コストやマーケットインパクトの扱いが不十分だったことを反映している可能性があると注意を促しています。さらなる頑健性検証を求め、元の研究で報告されたより控えめな改善を上回る結果だと指摘しています。提示された説明には詳細な売買ルール、コスト、頑健性検証の結果がなく、実際の収益性について結論づけるには限界があります。

主なアイデア

  • ファクターモデル残差に残る横断面の変動を取引することを目指します。
  • 再現研究では、より新しい米国株式の期間に畳み込みニューラルネットワークとTransformerを適用します。
  • 情報漏洩を防ぐため、時点整合性の原則を適用したと研究は報告しています。
  • 報告されたアウトオブサンプルのシャープレシオには10を超えるものもありますが、著者らは過剰適合や市場固有の影響の可能性を指摘しています。
  • 取引コスト、マーケットインパクト、さらなる頑健性検証によって、結果は大きく変わる可能性があります。

タグ

株式機械学習裁定取引ファクター投資バックテスト注文執行
全文
# A Deep Learning Approach for Trading Factor Residuals


# A Deep Learning Approach for Trading Factor Residuals









The residuals in factor models prevalent in asset pricing presents opportunities to exploit the mis-pricing from unexplained cross-sectional variation for arbitrage. We performed a replication of the methodology of Guijarro-Ordonez et al. (2019) (G-P-Z) on Deep Learning Statistical Arbitrage (DLSA), originally applied to U.S. equity data from 1998 to 2016, using a more recent out-of-sample period from 2016 to 2024. Adhering strictly to point-in-time (PIT) principles and ensuring no information leakage, we follow the same data pre-processing, factor modeling, and deep learning architectures (CNNs and Transformers) as outlined by G-P-Z. Our replication yields unusually strong performance metrics in certain tests, with out-of-sample Sharpe ratios occasionally exceeding 10. While such results are intriguing, they may indicate model overfitting, highly specific market conditions, or insufficient accounting for transaction costs and market impact. Further examination and robustness checks are needed to align these findings with the more modest improvements reported in the original study. (This work was conducted as the final project for IEOR 4576: Data-Driven Methods in Finance at Columbia University.)

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。