MLP 예측과 마코위츠 포트폴리오를 활용한 중국 주식 장중 트레이딩

요약

이 문서는 시장의 T+1 트레이딩 제약을 고려한 중국 주식 장중 전략을 개괄합니다. 다층 퍼셉트론(MLP) 예측을 마코위츠 포트폴리오 최적화와 결합하고, 상하이 및 선전 거래소의 공개 주식 데이터를 사용합니다. 장중 가격 예측과 트레이딩 전략 내 포트폴리오 구성을 함께 평가하는 것이 목표라고 설명합니다.

문서는 마코위츠 최적화가 수익성이 있었고 MLP 기반 장중 가격 예측이 검증됐다는 실증 결과를 보고합니다. 이어 이 요소들을 함께 사용해 전략의 실행 가능성을 주장합니다. 그러나 발췌문에는 표본 기간, 자산 선정 세부 정보, 모형 사양, 성과 수치, 거래 비용 처리 또는 표본 외 검증 절차가 없습니다. 따라서 이 설명만으로는 주장을 독립적으로 평가할 수 없으며, 해당 접근법이 실거래나 다른 시장 상황에서도 계속 수익을 낼 것이라는 점을 입증하지 않습니다.

핵심 아이디어

• 중국 주식 장중 트레이딩을 위해 MLP 가격 예측과 마코위츠 포트폴리오 최적화를 결합합니다.
• 이 접근법은 T+1 트레이딩 제약을 고려해 설계됐습니다.
• 연구는 상하이 및 선전 증권거래소의 공개 데이터를 사용합니다.
• 발췌문은 유리한 실증 결과를 보고하지만 강건성이나 실거래 성과를 평가하는 데 필요한 세부 정보는 생략합니다.

태그

# Intraday trading strategy based on time series and machine learning for Chinese stock market


# Intraday trading strategy based on time series and machine learning for Chinese stock market









This article comes up with an intraday trading strategy under T+1 using Markowitz optimization and Multilayer Perceptron (MLP) with published stock data obtained from the Shenzhen Stock Exchange and Shanghai Stock Exchange. The empirical results reveal the profitability of Markowitz portfolio optimization and validate the intraday stock price prediction using MLP. The findings further combine the Markowitz optimization, an MLP with the trading strategy, to clarify this strategy's feasibility.

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

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