トレード戦略のオンライン学習

記事 arXiv papers · 著者: Nicholas Murphy et al.

サマリー

この研究では、敵対的専門家ベースのオンライン学習を用いて、コストゼロのポートフォリオ戦略のパラメータを選び、テクニカルトレード戦略を組み合わせて総合ポートフォリオを構築します。ヨハネスブルグ証券取引所の日次および日中データで戦略群を調べ、教師なし学習によってその構成の変化を縮約して可視化します。分析では取引コストとスリッページも考慮し、オンラインのベンチマーク・ポートフォリオアルゴリズムと成績を比較して、バックテスト過剰適合のリスクを推定します。

総合戦略を統計的裁定取引として仮説検定で評価したところ、サンプリング頻度によって結果が異なりました。日次戦略はコスト控除後に検定を通過しませんが、日中戦略はコスト控除後も統計的裁定取引として棄却されません。この違いは研究で使われた過去データと手順に基づく証拠であり、将来の収益性を証明するものではありません。報告された結論は、選択した戦略、市場データ、コストとスリッページの推定、統計的検定に左右されます。抜粋には具体的な数値成績が示されていません。

主なアイデア

オンライン学習アルゴリズムがパラメータを選び、テクニカルトレード戦略をポートフォリオに組み合わせます。
研究ではヨハネスブルグ証券取引所の日次および日中データを調べます。
日次の総合戦略はコスト控除後の統計的裁定取引検定を通過せず、日中戦略は棄却されません。
分析では、スリッページ、取引コスト、ベンチマークアルゴリズム、バックテスト過剰適合を考慮します。
過去データによる統計結果は、戦略が今後も収益を上げることを立証しません。

We use an adversarial expert based online learning algorithm to learn the optimal parameters required to maximise wealth trading zero-cost portfolio strategies. The learning algorithm is used to determine the relative population dynamics of technical trading strategies that can survive historical back-testing as well as form an overall aggregated portfolio trading strategy from the set of underlying trading strategies implemented on daily and intraday Johannesburg Stock Exchange data. The resulting population time-series are investigated using unsupervised learning for dimensionality reduction and visualisation. A key contribution is that the overall aggregated trading strategies are tested for statistical arbitrage using a novel hypothesis test proposed by Jarrow et al. (2012) on both daily sampled and intraday time-scales. The (low frequency) daily sampled strategies fail the arbitrage tests after costs, while the (high frequency) intraday sampled strategies are not falsified as statistical arbitrages after costs. The estimates of trading strategy success, cost of trading and slippage are considered along with an online benchmark portfolio algorithm for performance comparison. In addition, the algorithms generalisation error is analysed by recovering a probability of back-test overfitting estimate using a nonparametric procedure introduced by Bailey et al. (2016). The work aims to explore and better understand the interplay between different technical trading strategies from a data-informed perspective.

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。

トレード戦略のオンライン学習と統計的検定

サマリー

主なアイデア

タグ