コンテンツへスキップ
ライブラリの全資料

条件付きGANによる売買戦略の調整と統合

記事 arXiv papers · 著者: Adriano Koshiyama et al.
原文を読む

サマリー

この論文は、個々の売買戦略の調整とシグナルの統合に条件付き敵対的生成ネットワークを提案しています。時系列データ向けの条件付きGANを学習・選択し、生成サンプルで戦略を調整して、そのサンプル群をアンサンブルモデルに用いる手順を示します。目的は戦略の設定を改善するか、弱いシグナルを集約してポートフォリオ単位の手法を構築することです。

著者らは複数の売買戦略を579資産に適用して手法を評価し、アンサンブル手法や時系列検証手法と比較しています。条件付きGANは有効な代替手法となり得て、従来の手法でアルファを生み出せない場合に優位だったと報告しています。概要には対象資産、評価期間、取引コスト、頑健性の検証が記されていないため、一般化可能性や実装を判断する材料は限られます。根拠は実験によるもので、検証された設定の範囲で解釈する必要があります。

主なアイデア

  • 条件付きGANを戦略の調整とシグナルの集約に用いることを提案しています。
  • この手順では、時系列データ向けに条件付きGANを学習し、選択します。
  • 生成サンプルを戦略の調整とアンサンブルの構築の両方に使用します。
  • 実験では複数の戦略と579資産を対象に、時系列比較を行っています。
  • 報告結果は、従来手法でアルファが見つからない場合に優位性があることを示唆しています。

タグ

機械学習バックテストポートフォリオ構築株式
全文
# Generative Adversarial Networks for Financial Trading Strategies Fine-Tuning and Combination


# Generative Adversarial Networks for Financial Trading Strategies Fine-Tuning and Combination









Systematic trading strategies are algorithmic procedures that allocate assets aiming to optimize a certain performance criterion. To obtain an edge in a highly competitive environment, the analyst needs to proper fine-tune its strategy, or discover how to combine weak signals in novel alpha creating manners. Both aspects, namely fine-tuning and combination, have been extensively researched using several methods, but emerging techniques such as Generative Adversarial Networks can have an impact into such aspects. Therefore, our work proposes the use of Conditional Generative Adversarial Networks (cGANs) for trading strategies calibration and aggregation. To this purpose, we provide a full methodology on: (i) the training and selection of a cGAN for time series data; (ii) how each sample is used for strategies calibration; and (iii) how all generated samples can be used for ensemble modelling. To provide evidence that our approach is well grounded, we have designed an experiment with multiple trading strategies, encompassing 579 assets. We compared cGAN with an ensemble scheme and model validation methods, both suited for time series. Our results suggest that cGANs are a suitable alternative for strategies calibration and combination, providing outperformance when the traditional techniques fail to generate any alpha.

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。