본문으로 건너뛰기
라이브러리 문서 전체

소수 표본 학습으로 적응하는 추세추종 예측

기사 arXiv papers · 저자: Kieran Wood et al.
원문 읽기

요약

이 문서는 시장이 새로운 국면에 진입할 때 빠르게 적응하도록 설계된 시계열 추세추종 예측기 X-Trend를 제안합니다. 금융 시계열 국면의 컨텍스트 집합에 소수 표본 학습과 교차 어텐션을 적용해, 유사한 국면의 패턴을 대상 국면의 포지션 예측에 활용합니다. 어텐션 메커니즘은 어떤 컨텍스트 패턴이 예측과 연관되는지 해석하는 방법으로도 제시됩니다.

보고된 평가는 2018부터 2023까지의 변동성이 큰 기간을 다룹니다. 저자들은 X-Trend가 신경망 예측기와 기존 시계열 모멘텀 전략보다 샤프 비율을 개선했고, COVID-19 드로다운에서 더 빠르게 회복했으며, 관측하지 않은 자산의 포지션에서도 신경망 예측기 대비 샤프 비율 개선을 보였다고 말합니다. 이는 문서가 보고한 결과입니다. 여기에는 데이터 구성, 거래 비용, 통계적 불확실성, 표본 외 검증 장치에 대한 세부 정보가 없어 독립적인 평가에 한계가 있습니다.

핵심 아이디어

  • X-Trend는 소수 표본 학습으로 새로운 시장 국면에 맞춰 추세를 예측합니다.
  • 교차 어텐션은 컨텍스트 집합의 관련 국면 패턴을 대상 국면으로 옮깁니다.
  • 저자들은 2018–2023 기간에 신경망 및 기존 모멘텀 벤치마크보다 샤프 비율이 개선됐다고 보고합니다.
  • 이 접근법은 COVID-19 드로다운에서 더 빠르게 회복하고 미관측 자산을 다루는 것으로 보고됐습니다.
  • 교차 어텐션으로 컨텍스트 패턴과 예측 사이의 관계를 살펴볼 수 있습니다.

태그

추세 추종머신러닝모멘텀백테스트
전문
# Few-Shot Learning Patterns in Financial Time-Series for Trend-Following Strategies


# Few-Shot Learning Patterns in Financial Time-Series for Trend-Following Strategies









Forecasting models for systematic trading strategies do not adapt quickly when financial market conditions rapidly change, as was seen in the advent of the COVID-19 pandemic in 2020, causing many forecasting models to take loss-making positions. To deal with such situations, we propose a novel time-series trend-following forecaster that can quickly adapt to new market conditions, referred to as regimes. We leverage recent developments from the deep learning community and use few-shot learning. We propose the Cross Attentive Time-Series Trend Network -- X-Trend -- which takes positions attending over a context set of financial time-series regimes. X-Trend transfers trends from similar patterns in the context set to make forecasts, then subsequently takes positions for a new distinct target regime. By quickly adapting to new financial regimes, X-Trend increases Sharpe ratio by 18.9% over a neural forecaster and 10-fold over a conventional Time-series Momentum strategy during the turbulent market period from 2018 to 2023. Our strategy recovers twice as quickly from the COVID-19 drawdown compared to the neural-forecaster. X-Trend can also take zero-shot positions on novel unseen financial assets obtaining a 5-fold Sharpe ratio increase versus a neural time-series trend forecaster over the same period. Furthermore, the cross-attention mechanism allows us to interpret the relationship between forecasts and patterns in the context set.

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

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