コンテンツへスキップ
ライブラリの全資料

ニューラルネットワークのフォワードテストによるトレード戦略の選択

記事 arXiv papers · 著者: Ivan Letteri et al.
原文を読む

サマリー

この論文は、DNNフォワードテスティングと呼ばれる戦略選択プロセスを提案します。過去の価格に対する結果だけでトレード戦略を選ぶのではなく、まず深層フィードフォワードニューラルネットワークで将来の価格経路を予測し、その予測値にテクニカル指標を適用して評価します。選ばれた指標を、実際の将来市場での取引に用います。説明された手順には、10銘柄の探索的分析、k-meansに基づくボラティリティ分析、銘柄を限定して共通のボラティリティ係数で学習し、今後30日間の価格を予測する工程が含まれています。

著者らは、ニューラルネットワークの予測が従来の統計手法を上回り、予測に基づくプロセスで選んだ戦略は、従来のバックテストによる選択と比べて期待値、シャープレシオ、ソルティノレシオ、カルマーレシオが改善したと報告しています。提示された説明には、対象銘柄、予測精度の指標、実装の詳細、評価期間がありません。したがって、これらは論文概要の主張であり、複数の資産や予測条件に手法が一般化することを示すものではありません。

主なアイデア

  • ニューラルネットワークの価格予測にテクニカル指標を適用し、その結果でトレード戦略を選びます。
  • 学習の前に、k-meansに基づく手法で銘柄をボラティリティ別に分類します。
  • 説明されたフィードフォワードネットワークは、株価を30日先まで予測します。
  • 著者らは、従来の統計手法より予測性能が高いと報告しています。
  • 従来のバックテストによる戦略選択と比べて、リスク・リターン指標も改善したと報告しています。

タグ

株式機械学習テクニカル指標バックテスト統計
全文
# DNN-ForwardTesting: A New Trading Strategy Validation using Statistical Timeseries Analysis and Deep Neural Networks


# DNN-ForwardTesting: A New Trading Strategy Validation using Statistical Timeseries Analysis and Deep Neural Networks









In general, traders test their trading strategies by applying them on the historical market data (backtesting), and then apply to the future trades the strategy that achieved the maximum profit on such past data. In this paper, we propose a new trading strategy, called DNN-forwardtesting, that determines the strategy to apply by testing it on the possible future predicted by a deep neural network that has been designed to perform stock price forecasts and trained with the market historical data. In order to generate such an historical dataset, we first perform an exploratory data analysis on a set of ten securities and, in particular, analize their volatility through a novel k-means-based procedure. Then, we restrict the dataset to a small number of assets with the same volatility coefficient and use such data to train a deep feed-forward neural network that forecasts the prices for the next 30 days of open stocks market. Finally, our trading system calculates the most effective technical indicator by applying it to the DNNs predictions and uses such indicator to guide its trades. The results confirm that neural networks outperform classical statistical techniques when performing such forecasts, and their predictions allow to select a trading strategy that, when applied to the real future, increases Expectancy, Sharpe, Sortino, and Calmar ratios with respect to the strategy selected through traditional backtesting.

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。