コンテンツへスキップ
ライブラリの全資料

エントロピーを用いた短期価格パターンの識別

記事 arXiv papers · 著者: Rishabh Gupta et al.
原文を読む

サマリー

本論文は、将来の価格方向を示す可能性がある金融時系列の短期パターンを見つけるフレームワークを提案します。過去の事例をクラスタリングし、有用性の低いものを除くことで、高品質で重複しないパターンを抽出します。情報量の代理指標として局所エントロピーを用い、過去の値動きが一方向に強く、局所エントロピーが低いパターンほど情報量が多いとみなします。また、買いと売りのパターンを均衡よく残すことも目指します。

著者らは、従来のクラスタリングでは偏りや不均衡のあるグループができたり、過分割によって有用なパターンが失われたりする可能性があるとして、K-meansやガウス混合モデルとこの手法を比較します。このフレームワークでは、予測の純度と過去の収益性の両方を重視します。資料は考え方と期待される利点を説明していますが、データセット、定量的な結果、検証設計、実運用の証拠は示していません。したがって、予測力や取引への適性に関する主張は、提示情報からは検証できません。

主なアイデア

  • ノイズの多い金融時系列から、重複しない短期パターンを探します。
  • 過去のパターンの情報量を測る代理指標として局所エントロピーを用います。
  • 過去の値動きが一方向で局所エントロピーが低いパターンを優先します。
  • 買いと売りのグループの均衡を目指し、K-meansやガウス混合クラスタリングと比較します。
  • 定量的な検証や実運用の成績を示す証拠はありません。

タグ

機械学習統計テクニカル指標モメンタムバックテスト
全文
# Entropy-Assisted Quality Pattern Identification in Finance


# Entropy-Assisted Quality Pattern Identification in Finance









Short-term patterns in financial time series form the cornerstone of many algorithmic trading strategies, yet extracting these patterns reliably from noisy market data remains a formidable challenge. In this paper, we propose an entropy-assisted framework for identifying high-quality, non-overlapping patterns that exhibit consistent behavior over time. We ground our approach in the premise that historical patterns, when accurately clustered and pruned, can yield substantial predictive power for short-term price movements. To achieve this, we incorporate an entropy-based measure as a proxy for information gain. Patterns that lead to high one-sided movements in historical data, yet retain low local entropy, are more informative in signaling future market direction. Compared to conventional clustering techniques such as K-means and Gaussian Mixture Models (GMM), which often yield biased or unbalanced groupings, our approach emphasizes balance over a forced visual boundary, ensuring that quality patterns are not lost due to over-segmentation. By emphasizing both predictive purity (low local entropy) and historical profitability, our method achieves a balanced representation of Buy and Sell patterns, making it better suited for short-term algorithmic trading strategies.

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。