국채 선물 포트폴리오 트레이딩을 위한 심층 신념망

요약

이 연구는 만기 5년 및 10년 US 국채 선물 포트폴리오를 위한 중빈도 전략을 설명합니다. 매매를 분류 문제로 구성해 다음 주에 포트폴리오가 상승할지 하락할지 예측합니다. 예측 입력은 포트폴리오 구성 선물의 기술적 지표로 훈련한 심층 신념망이 학습한 특징입니다.

저자들은 이 머신러닝 파이프라인이 실험에서 수익성 있는 매매를 만들어 냈다고 보고합니다. 제공된 설명에는 표본 기간, 테스트 설계, 비용, 위험 조정 성과, 더 단순한 모델과의 비교가 없습니다. 따라서 모델링 접근법은 알 수 있지만 보고된 수익성이 얼마나 견고하거나 실제 운용 가능한지 판단할 근거는 제한적입니다. 과거 실험의 성공을 미래 수익의 보장으로 받아들여서는 안 됩니다.

핵심 아이디어

• 만기 5년 및 10년 US 국채 선물 포트폴리오를 매매합니다.
• 포트폴리오의 주간 방향을 분류 문제로 예측합니다.
• 심층 신념망이 선물 구성 종목의 기술적 지표에서 특징을 추출합니다.
• 저자들은 실험에서 수익성 있는 매매 결과를 보고합니다.
• 설명만으로는 견고성이나 거래 비용을 평가할 정보가 충분하지 않습니다.

태그

# Using machine learning for medium frequency derivative portfolio trading


# Using machine learning for medium frequency derivative portfolio trading









We use machine learning for designing a medium frequency trading strategy for a portfolio of 5 year and 10 year US Treasury note futures. We formulate this as a classification problem where we predict the weekly direction of movement of the portfolio using features extracted from a deep belief network trained on technical indicators of the portfolio constituents. The experimentation shows that the resulting pipeline is effective in making a profitable trade.

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

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