본문으로 건너뛰기
라이브러리 문서 전체

시장 국면에 적응하는 지표·심리·머신러닝 주식 전략

기사 arXiv papers · 저자: Varun Narayan Kannan Pillai et al.
원문 읽기

요약

이 논문은 지수이동평균과 MACD의 추세 및 모멘텀 신호에 RSI와 볼린저 밴드의 평균회귀 신호를 결합한 주식 트레이딩 시스템을 설명합니다. 금융 심리 추정치인 FinBERT를 추가하고, XGBoost로 신호를 생성하며, 변동성과 수익률 상황에 따라 노출을 필터링하거나 조정합니다. 전통적인 추세 추종이나 평균회귀 접근법이 어려움을 겪을 수 있는 시장 국면 변화에 적응하도록 설계됐습니다.

24개월 동안의 평가에서 최종 포트폴리오 가치는 $235,492.83, 초기 투자 대비 수익률은 135.49%로 보고됩니다. S&P 500와 NASDAQ-100보다 높은 성과를 내고 하방 위험도 낮았다고 주장합니다. 발췌문에는 날짜, 초기 자본, 금융 상품, 거래 비용, 검증 설계, 위험 통계가 명시되지 않아 이 수치만으로 견고성이나 실전 배치 가능성을 입증하지는 못합니다. 보고된 성과는 설명된 평가의 결과로 읽어야 하며, 일반적인 기대 수익으로 보아서는 안 됩니다.

핵심 아이디어

  • 이 시스템은 주식 신호 생성을 위해 추세 및 모멘텀 지표와 평균회귀 지표를 결합합니다.
  • FinBERT 심리 분석과 XGBoost를 신호 생성 과정에 포함합니다.
  • 변동성과 수익률 환경을 바탕으로 시장 국면을 필터링하고 노출을 조정합니다.
  • 논문은 135.49%개월간 24의 수익률과 두 주식 벤치마크 대비 초과 성과를 보고하지만, 발췌문에는 평가 세부 정보가 없습니다.

태그

주식머신러닝기술 지표시장 심리추세 추종평균 회귀
전문
# 2601.19504


# Generating Alpha: A Hybrid AI-Driven Trading System Integrating Technical Analysis, Machine Learning and Financial Sentiment for Regime-Adaptive Equity Strategies









The intricate behavior patterns of financial markets are influenced by fundamental, technical, and psychological factors. During times of high volatility and regime shifts causes many traditional strategies like trend-following or mean-reversion to fail. This paper proposes a hybrid AI-based trading strategy that combines (1) trend-following and directional momentum capture via EMA and MACD, (2) detection of price normalization through mean-reversion using RSI and Bollinger Bands, (3) market psychological interpretation through sentiment analysis using FinBERT, (4) signal generation through machine learning using XGBoost and (5)dynamically adjusting exposure with market regime filtering based on volatility and return environments. The system achieved a final portfolio value of $235,492.83, yielding a return of 135.49% on initial investment over a period of 24 months. The hybrid model outperformed major benchmark indexes like S&P 500 and NASDAQ-100 over the same period showing strong flexibility and lower downside risk with superior profits validating the use of multi-modal AI in algorithmic trading.

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

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