コンテンツへスキップ
ライブラリの全資料

FutureQuant Transformerによる先物価格分布予測

記事 arXiv papers · 著者: Wenhao Guo et al.
原文を読む

サマリー

本稿では、リアルタイムの板情報を含む複雑な入力をアテンション機構で処理する、先物市場向けTransformerモデルFutureQuantを紹介します。単一の将来価格を予測するのではなく、価格の範囲とボラティリティを推定し、取引判断やリスク管理に役立つ分布予測を提示することを目指します。

報告された取引手法では、モデルをRSI、ATR、ボリンジャーバンドを用いる単純なアルゴリズムと組み合わせています。抜粋によると、30分間の取引あたり平均利益は0.1193%で、モデルは最先端のモデルを上回るとされています。データセット、金融商品、評価設計、取引コスト、不確実性の較正については記載されていないため、この要約だけでは結果の頑健性を評価できません。報告された利益はモデル評価上の主張であり、実運用での成果を保証するものではありません。

主なアイデア

  • FutureQuantはTransformerのアテンションを用いて、板情報を含む複雑な先物市場データを分析します。
  • 単一の将来価格だけでなく、価格帯とボラティリティを予測します。
  • 提案された売買アルゴリズムは、モデルとともにRSI、ATR、ボリンジャーバンドを使用します。
  • 抜粋では、30分間の取引あたりの平均利益が報告されていますが、評価に関する重要な詳細は省かれています。
  • 分布予測は取引やリスク判断に役立つ可能性がありますが、抜粋は実運用での収益性を示していません。

タグ

先物機械学習リスク管理テクニカル指標バックテスト
全文
# Trading Under Uncertainty: A Distribution-Based Strategy for Futures Markets Using FutureQuant Transformer


# Trading Under Uncertainty: A Distribution-Based Strategy for Futures Markets Using FutureQuant Transformer









In the complex landscape of traditional futures trading, where vast data and variables like real-time Limit Order Books (LOB) complicate price predictions, we introduce the FutureQuant Transformer model, leveraging attention mechanisms to navigate these challenges. Unlike conventional models focused on point predictions, the FutureQuant model excels in forecasting the range and volatility of future prices, thus offering richer insights for trading strategies. Its ability to parse and learn from intricate market patterns allows for enhanced decision-making, significantly improving risk management and achieving a notable average gain of 0.1193% per 30-minute trade over state-of-the-art models with a simple algorithm using factors such as RSI, ATR, and Bollinger Bands. This innovation marks a substantial leap forward in predictive analytics within the volatile domain of futures trading.

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。