コンテンツへスキップ
ライブラリの全資料

単純な売買戦略とAIトレーダーをより広範に比較検証

記事 arXiv papers · 著者: Dave Cliff et al.
原文を読む

サマリー

この論文は、AIや機械学習を用いる売買エージェントについて、公表済みの主張に疑問を呈しています。先行研究の一部は、限られた数のテストセッションや市場シナリオに基づいており、エージェントの性能を信頼性高く判断する証拠が不十分だと論じています。これに対処するため、著者らは並列クラウド計算を使い、幅広いパラメータ範囲と多数のセッションでテストしたと報告しています。これにより、より多くの実験結果を得ています。

文書によると、AIや機械学習を使わない単純な戦略が、研究文献で紹介された一部のパブリックドメインのAIや機械学習を用いたトレーダーをしばしば上回っています。ここで示される教訓は方法論に関するものです。パラメータや市場環境を変えながら十分に評価し、高度なモデルも単純なベースラインと比較すべきだとしています。抜粋では戦略のルール、市場、性能指標、具体的なAIエージェントが明らかにされていないため、結果を独立に評価したり、この文章だけから実運用可能な売買システムを構築したりすることはできません。報告された結果は検証対象となった研究用エージェントと設定に関するものであり、実市場で単純な戦略が一般にAIベースの手法を上回ることを示すものではありません。

主なアイデア

  • この論文は、以前のAI売買エージェントの評価で、十分なセッション数や市場シナリオが試されていたかを問い直します。
  • 著者らは、並列計算を使って幅広いパラメータ範囲を大規模に検証したと報告しています。
  • 報告されたテストでは、一部の単純な非AI戦略が、パブリックドメインのAIや機械学習を用いたトレーダーを上回りました。
  • 単純なベースラインとの比較によって、複雑な売買手法が価値を加えるかを見極めやすくなります。
  • 抜粋には実運用成績を評価するために必要な戦略の詳細、市場、指標、証拠がありません。

タグ

機械学習バックテスト統計
全文
# Methods Matter: A Trading Agent with No Intelligence Routinely Outperforms AI-Based Traders


# Methods Matter: A Trading Agent with No Intelligence Routinely Outperforms AI-Based Traders









There's a long tradition of research using computational intelligence (methods from artificial intelligence (AI) and machine learning (ML)), to automatically discover, implement, and fine-tune strategies for autonomous adaptive automated trading in financial markets, with a sequence of research papers on this topic published at AI conferences such as IJCAI and in journals such as Artificial Intelligence: we show here that this strand of research has taken a number of methodological mis-steps and that actually some of the reportedly best-performing public-domain AI/ML trading strategies can routinely be out-performed by extremely simple trading strategies that involve no AI or ML at all. The results that we highlight here could easily have been revealed at the time that the relevant key papers were published, more than a decade ago, but the accepted methodology at the time of those publications involved a somewhat minimal approach to experimental evaluation of trader-agents, making claims on the basis of a few thousand test-sessions of the trader-agent in a small number of market scenarios. In this paper we present results from exhaustive testing over wide ranges of parameter values, using parallel cloud-computing facilities, where we conduct millions of tests and thereby create much richer data from which firmer conclusions can be drawn. We show that the best public-domain AI/ML traders in the published literature can be routinely outperformed by a "sub-zero-intelligence" trading strategy that at face value appears to be so simple as to be financially ruinous, but which interacts with the market in such a way that in practice it is more profitable than the well-known AI/ML strategies from the research literature. That such a simple strategy can outperform established AI/ML-based strategies is a sign that perhaps the AI/ML trading strategies were good answers to the wrong question.

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。