コンテンツへスキップ
ライブラリの全資料

TabNetによる銀先物の短期方向予測

記事 arXiv papers · 著者: Yiyang Zheng
原文を読む

サマリー

この研究では、テクニカル分析、注文フロー、注文板のデータから得た特徴量を使い、先物契約の短期的な方向変化を予測しています。上海先物取引所に上場する銀先物を対象にTabNet深層学習モデルを訓練し、これらの入力を組み合わせて次の値動きの方向を分類しています。

選択した評価期間における報告精度は0.601です。期間、データ準備、検証設計、取引コスト、ベースラインとの比較について、文書の説明は限られています。したがって、この結果は予測実験を示すものであり、モデルが利益を生む取引を実現することや、他の契約や市場環境にも一般化することを立証するものではありません。

主なアイデア

  • テクニカル指標、注文フローの特徴量、注文板データを組み合わせています。
  • TabNetを使い、銀先物の短期的な方向変化を予測しています。
  • 選択した期間における報告精度は0.601です。
  • 簡潔な説明からは、収益性や、調査対象の契約と期間以外での性能は立証されていません。

タグ

先物コモディティ機械学習テクニカル指標市場マイクロストラクチャー
全文
# Neural Network and Order Flow, Technical Analysis: Predicting short-term direction of futures contract


# Neural Network and Order Flow, Technical Analysis: Predicting short-term direction of futures contract









Predictions of short-term directional movement of the futures contract can be challenging as its pricing is often based on multiple complex dynamic conditions. This work presents a method for predicting the short-term directional movement of an underlying futures contract. We engineered a set of features from technical analysis, order flow, and order-book data. Then, Tabnet, a deep learning neural network, is trained using these features. We train our model on the Silver Futures Contract listed on Shanghai Futures Exchange and achieve an accuracy of 0.601 on predicting the directional change during the selected period.

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。