コンテンツへスキップ
ライブラリの全資料

移動平均回帰を用いたオンラインポートフォリオ選択

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

サマリー

この記事では、移動平均回帰（MAR）を紹介します。これは、一部のオンラインポートフォリオ戦略で用いられる単一期間の平均回帰の仮定に代わる、複数期間の考え方です。オンライン学習手法を適用し、MARに基づいてポートフォリオを構築するオンライン移動平均回帰（OLMAR）を提案しています。その背景には、株価の一時的な高値や安値は複数期間にわたって回帰する可能性がある一方、単一期間の回帰はすべてのデータセットで一貫して確認できるわけではないという考えがあります。

著者らは、実データを用いた比較実験で、OLMARが既存の平均回帰アルゴリズムを上回り、とりわけ既存手法が苦戦したデータで優れた結果を示し、計算も高速だったと報告しています。これらは記事に記載された実験に基づく主張ですが、提示された説明にはデータセットの詳細、比較に用いたベンチマークの詳細、取引コスト、数値結果がありません。そのため、この戦略の成績は検証対象データに関する実証的な証拠として捉えるべきであり、複数期間の回帰が今後も続くことや、結果が他の市場にも当てはまることを保証するものではありません。

主なアイデア

  • MARは単一期間の仮定に頼らず、複数期間にわたる平均回帰シグナルを用います。
  • OLMARはオンライン学習手法を適用し、移動平均回帰をポートフォリオ選択に活用します。
  • この手法は、単一期間の平均回帰が不安定な状況を対象とします。
  • 著者らは、特に既存手法が機能しなかったデータセットで、既存の平均回帰アルゴリズムを上回る実証結果を報告しています。
  • 提示された説明では計算が速いとされていますが、データセットや取引コストの詳細は記載されていません。

タグ

株式平均回帰機械学習ポートフォリオ構築
全文
# On-Line Portfolio Selection with Moving Average Reversion


# On-Line Portfolio Selection with Moving Average Reversion









On-line portfolio selection has attracted increasing interests in machine learning and AI communities recently. Empirical evidences show that stock's high and low prices are temporary and stock price relatives are likely to follow the mean reversion phenomenon. While the existing mean reversion strategies are shown to achieve good empirical performance on many real datasets, they often make the single-period mean reversion assumption, which is not always satisfied in some real datasets, leading to poor performance when the assumption does not hold. To overcome the limitation, this article proposes a multiple-period mean reversion, or so-called Moving Average Reversion (MAR), and a new on-line portfolio selection strategy named "On-Line Moving Average Reversion" (OLMAR), which exploits MAR by applying powerful online learning techniques. From our empirical results, we found that OLMAR can overcome the drawback of existing mean reversion algorithms and achieve significantly better results, especially on the datasets where the existing mean reversion algorithms failed. In addition to superior trading performance, OLMAR also runs extremely fast, further supporting its practical applicability to a wide range of applications.

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。