マクロ経済予測で為替の平均回帰シグナルを改善
記事 arXiv papers · 著者: Yash Sharma
サマリー
本資料は、イールドカーブを用いた取引戦略から始まり、主要通貨ペアを対象とする複数ペア戦略へと展開する平均回帰アプローチを説明します。関連するマクロ経済変数の機械学習予測を取り入れ、取引シグナルを調整します。予測情報を使ってシグナルの重みを最適化し、テクニカル要因にマクロ経済の入力情報を加えます。
報告された評価では、予測を取り入れた後、評価期間中の年率リターンが改善しました。具体的なリターン、ベンチマークとの比較、予測対象の変数、学習設計、コストやリスクの詳細は示されていません。したがって、マクロ経済予測と平均回帰戦略を組み合わせる方法の一例ではありますが、報告された改善の大きさ、頑健性、アウトオブサンプルでの信頼性を評価するには情報が不足しています。
主なアイデア
- 主要通貨ペアの一群に、イールドカーブに基づく平均回帰の考え方を適用します。
- 関連するマクロ経済変数の機械学習予測を取引シグナルに取り入れます。
- 予測情報を使ってシグナルの重みを最適化します。
- 年率リターンの改善が報告されていますが、頑健性の評価に必要な詳細は示されていません。
タグ
全文
# Using Macroeconomic Forecasts to Improve Mean Reverting Trading Strategies # Using Macroeconomic Forecasts to Improve Mean Reverting Trading Strategies A large class of trading strategies focus on opportunities offered by the yield curve. In particular, a set of yield curve trading strategies are based on the view that the yield curve mean-reverts. Based on these strategies' positive performance, a multiple pairs trading strategy on major currency pairs was implemented. To improve the algorithm's performance, machine learning forecasts of a series of pertinent macroeconomic variables were factored in, by optimizing the weights of the trading signals. This resulted in a clear improvement in the APR over the evaluation period, demonstrating that macroeconomic indicators, not only technical indicators, should be considered in trading strategies.
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。