コンテンツへスキップ
ライブラリの全資料

進化的探索によるセンチメント株取引ルールの最適化

記事 arXiv papers · 著者: Ronald Hochreiter
原文を読む

サマリー

この論文は、金融センチメントデータからルールベースの売買戦略を導くため、進化的最適化を用いています。センチメントシグナルは、オンライン取引コミュニティが個別株に対して示す強気または弱気の見方を表し、StockTwitsから取得しています。著者らはDow Jones Industrial Average構成銘柄の数値結果を報告し、この手法を従来型のリスク・リターンに基づくポートフォリオ選択と比較しています。

この研究は、ソーシャルメディアのセンチメントと進化的探索を組み合わせた手法を、ポートフォリオ選択との比較とともに説明しています。抜粋には売買ルール、最適化設計、期間、取引コスト、結果そのものが記載されていません。これらの詳細がなければ、戦略の一般化可能性、実装コストの考慮、リスク調整後の優位性を評価できません。証拠は記載された分析と比較に限られます。

主なアイデア

  • 進化的最適化を使ってルールベースの売買戦略を生成します。
  • センチメント入力はStockTwits上で示された強気または弱気の見方を反映します。
  • Dow Jones Industrial Average構成銘柄DJIAについて結果を報告しています。
  • 従来型のリスク・リターンに基づくポートフォリオ選択と比較していますが、抜粋には指標や実装の詳細がありません。

タグ

センチメント機械学習株式ポートフォリオ構築バックテスト
全文
# Computing trading strategies based on financial sentiment data using evolutionary optimization


# Computing trading strategies based on financial sentiment data using evolutionary optimization









In this paper we apply evolutionary optimization techniques to compute optimal rule-based trading strategies based on financial sentiment data. The sentiment data was extracted from the social media service StockTwits to accommodate the level of bullishness or bearishness of the online trading community towards certain stocks. Numerical results for all stocks from the Dow Jones Industrial Average (DJIA) index are presented and a comparison to classical risk-return portfolio selection is provided.

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。