コンテンツへスキップ
ライブラリの全資料

分散アルゴリズム戦略による株価指数戦略のヘッジ

記事 arXiv papers · 著者: Jakub Michańków et al.
原文を読む

サマリー

この論文は、株式以外の資産を使う戦略が、S&P 500に連動するアルゴリズム投資戦略を分散できるかを研究しています。LSTM予測、ARIMA-GARCH予測、モメンタム、逆張りルールから得たシグナルを比較しています。対象資産には、エネルギー商品、貴金属、暗号資産、ソフトコモディティが含まれます。個々の資産を組み合わせるのではなく、それらの資産を取引する戦略を組み合わせるという観点から、分散の問題を捉え直しています。

2004から2022までのデータを用い、LSTMベースの戦略が他の手法を上回り、ビットコインを使う戦略がS&P 500戦略の組み合わせに対して最も強い分散効果を示したと報告しています。また、時間単位のLSTMシグナルも調べ、日次データより良い結果を報告しています。これらは対象資産、期間、戦略構築に固有の実証結果です。概要には取引コスト、リスク調整、アウト・オブ・サンプル検証の詳細がありません。

主なアイデア

  • 個々の資産だけでなく、アルゴリズム戦略同士の分散効果を評価しています。
  • LSTMとARIMA-GARCHの予測をモメンタムおよび逆張りシグナルと比較しています。
  • S&P 500戦略の組み合わせに加え、複数の商品・暗号資産戦略を検証しています。
  • ビットコインベースの戦略が、S&P 500の組み合わせに対して最も強い分散効果をもたらしたと報告しています。
  • 研究では、時間単位のLSTM戦略が日次戦略を上回ったと報告しています。

タグ

マルチアセット機械学習ポートフォリオ構築リスク管理バックテスト
全文
# 2309.15640


# Hedging Properties of Algorithmic Investment Strategies using Long Short-Term Memory and Time Series models for Equity Indices









This paper proposes a novel approach to hedging portfolios of risky assets when financial markets are affected by financial turmoils. We introduce a completely novel approach to diversification activity not on the level of single assets but on the level of ensemble algorithmic investment strategies (AIS) built based on the prices of these assets. We employ four types of diverse theoretical models (LSTM - Long Short-Term Memory, ARIMA-GARCH - Autoregressive Integrated Moving Average - Generalized Autoregressive Conditional Heteroskedasticity, momentum, and contrarian) to generate price forecasts, which are then used to produce investment signals in single and complex AIS. In such a way, we are able to verify the diversification potential of different types of investment strategies consisting of various assets (energy commodities, precious metals, cryptocurrencies, or soft commodities) in hedging ensemble AIS built for equity indices (S&P 500 index). Empirical data used in this study cover the period between 2004 and 2022. Our main conclusion is that LSTM-based strategies outperform the other models and that the best diversifier for the AIS built for the S&P 500 index is the AIS built for Bitcoin. Finally, we test the LSTM model for a higher frequency of data (1 hour). We conclude that it outperforms the results obtained using daily data.

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。