GANで生成した価格経路を使ったトレード戦略の検証
記事 arXiv papers · 著者: Ao Sun et al.
サマリー
本資料は、トレード戦略の評価に使う合成の過去価格経路を、LSTMと敵対的生成ネットワークで作成する方法を提案しています。インサンプルで高い成績を示す戦略は過剰適合している可能性があるため、過去データの分布をモデル化して生成した経路でも良好な成績を示すべきだ、という考えに基づいています。
提案する手順では、GAN-LSTMモデルで時系列分布を当てはめ、過剰適合を確認する追加手段として生成経路上で候補戦略をバックテストします。本文は手法の提案として示されていますが、実験結果、実装の詳細、他の検証手法との比較はありません。これは2018に中国語で書かれた学位論文の翻訳要約であり、主張の一部が古くなっている可能性があると資料自体が注意しています。
主なアイデア
- インサンプルの高い成績だけを基準にすると、過剰適合したトレード戦略を選ぶ可能性があります。
- 過去の時系列分布を学習するため、GANとLSTMを組み合わせる方法が提案されています。
- 当てはめたモデルから生成した合成価格経路を、戦略評価の追加バックテストデータとして使います。
- 資料には報告された結果や、手法の詳細な検証がありません。
タグ
全文
# Backtesting Trading Strategies with GAN To Avoid Overfitting # Backtesting Trading Strategies with GAN To Avoid Overfitting Many works have shown the overfitting hazard of selecting a trading strategy based only on good IS (in sample) performance. But most of them have merely shown such phenomena exist without offering ways to avoid them. We propose an approach to avoid overfitting: A good (meaning non-overfitting) trading strategy should still work well on paths generated in accordance with the distribution of the historical data. We use GAN with LSTM to learn or fit the distribution of the historical time series . Then trading strategies are backtested by the paths generated by GAN to avoid overfitting.(This paper is an tanslated English version of a thesis (10.6342/NTU201801645) which was originally written in Chinese in 2018, where some statements and claims are outdated in 2022)
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。