コンテンツへスキップ
ライブラリの全資料

市場の異常を考慮した中期株価予測のためのMid-LSTM

記事 arXiv papers · 著者: Xinyi Li et al.
原文を読む

サマリー

本論文は、市場の異常を考慮しながら中期の株価を予測することを目的とした深層学習モデル、Mid-LSTMを提案しています。市場トレンドを隠れ状態として表現します。説明されている手法ではまず、隠れ状態とCAPMを組み込んだ中期ARMAモデルを定式化し、次にLSTM、隠れマルコフモデル、線形回帰ネットワークを組み合わせます。予測誤差の累積を抑え、株価に関連する要因を説明することを目指しています。

S&P 500銘柄を使った実験では、予測精度が2～4%改善したと報告されています。著者らはさらに、年率リターンが最大120.16%、平均シャープレシオが2.99というポートフォリオ配分結果も報告しています。これらは論文の要約に記載された主張です。抜粋には評価期間、ベースライン、取引コスト、検証設計、リスク管理方法が示されていません。したがって、これらの結果だけでは標本外の成績や実運用で期待されるリターンを証明できません。

主なアイデア

  • Mid-LSTMは、市場トレンドを隠れ状態として表し、中期の株価を予測します。
  • モデルはLSTM、隠れマルコフ、線形回帰の要素を組み合わせています。
  • 定式化にはARMAとCAPMも取り入れられています。
  • S&P 500を用いた実験では予測精度とポートフォリオ指標の改善が報告されていますが、抜粋には評価の詳細がありません。

タグ

株式機械学習統計ポートフォリオ構築バックテスト
全文
# Risk Management via Anomaly Circumvent: Mnemonic Deep Learning for Midterm Stock Prediction


# Risk Management via Anomaly Circumvent: Mnemonic Deep Learning for Midterm Stock Prediction









Midterm stock price prediction is crucial for value investments in the stock market. However, most deep learning models are essentially short-term and applying them to midterm predictions encounters large cumulative errors because they cannot avoid anomalies. In this paper, we propose a novel deep neural network Mid-LSTM for midterm stock prediction, which incorporates the market trend as hidden states. First, based on the autoregressive moving average model (ARMA), a midterm ARMA is formulated by taking into consideration both hidden states and the capital asset pricing model. Then, a midterm LSTM-based deep neural network is designed, which consists of three components: LSTM, hidden Markov model and linear regression networks. The proposed Mid-LSTM can avoid anomalies to reduce large prediction errors, and has good explanatory effects on the factors affecting stock prices. Extensive experiments on S&P 500 stocks show that (i) the proposed Mid-LSTM achieves 2-4% improvement in prediction accuracy, and (ii) in portfolio allocation investment, we achieve up to 120.16% annual return and 2.99 average Sharpe ratio.

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。