트레이딩 전략 평가 절차

기사 arXiv papers · 저자: Luyao Zhang et al.

요약

이 문서는 주식 및 가상자산 시장에서 알고리즘 트레이딩 전략을 설계하고 구현해 평가하는 일반적인 작업 흐름을 제시한다. 이동평균 교차, 거래량 가중 체결 접근법, 감성 기반 매매, 통계적 차익거래의 네 가지 사례를 든다. 이후 연구와 실제 활용을 지원하도록 객체지향 방식으로 구현해 전략 개발과 비교를 더 체계화하는 것이 목표다.

초록은 작업 흐름과 예시 전략을 설명하지만, 성과 결과나 데이터셋, 평가 지표, 구현 세부사항은 제시하지 않는다. 따라서 프레임워크의 구성 방식을 보여줄 뿐, 어떤 접근법이 더 나은지 또는 어떤 전략이 수익을 내는지는 입증하지 않는다. 거래 비용, 시장 국면, 리스크 통제도 구체적으로 다루지 않으므로 실제 적합성을 판단하려면 추가 근거가 필요하다.

핵심 아이디어

공통 작업 흐름은 주식 및 가상자산 시장 전략의 설계와 평가를 체계화할 수 있다.
이 연구는 기술적 신호, 체결, 감성, 통계적 관계를 아우르는 네 가지 방법으로 절차를 설명한다.
일관된 평가 구조는 트레이딩 접근법 간 비교를 더 체계적으로 할 수 있다.
초록에는 실제 성과나 실효성을 판단하기에 충분한 방법론 세부사항이 보고되지 않는다.

# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics


# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics









Recent advances in Artificial Intelligence (AI) have made algorithmic trading play a central role in finance. However, current research and applications are disconnected information islands. We propose a generally applicable pipeline for designing, programming, and evaluating the algorithmic trading of stock and crypto assets. Moreover, we demonstrate how our data science pipeline works with respect to four conventional algorithms: the moving average crossover, volume-weighted average price, sentiment analysis, and statistical arbitrage algorithms. Our study offers a systematic way to program, evaluate, and compare different trading strategies. Furthermore, we implement our algorithms through object-oriented programming in Python3, which serves as open-source software for future academic research and applications.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

주식·가상자산 트레이딩 전략 평가 비교 절차

요약

핵심 아이디어

태그