다음 날 주식 추세 변화를 예측하는 LSTM

요약

E-TRENDS은 주식 추세의 다음 날 변화를 예측하는 LSTM 프레임워크를 제안합니다. S&P 500의 대형주 30개에 초점을 두고 2005년부터 2025년까지 시장 사이클 전반에서 검증했다고 설명합니다. 추세 수준을 직접 예측하는 대신 일일 차이를 예측하며, 저자들은 이 방법이 편향-분산 상충을 줄일 수 있다고 주장합니다.

논문은 일반 최소제곱법, Ridge, Lasso, LightGBM 회귀와 비교하고, 대안 모델 대비 손익을 평가하는 포트폴리오 시뮬레이션을 보고합니다. 초록은 시뮬레이션에서 경제적 이익이 나타났다고 주장하지만, 성과 수치와 포트폴리오 구성 세부 사항, 거래 비용, 위험 지표는 제시하지 않습니다. 명시된 평가 기간과 자산 선택도 결과의 일반화 범위를 제한합니다. 이 설명은 예측 접근법과 벤치마크 계획을 제시하지만, 강건성이나 실거래 가치를 평가하려면 방법론 및 실증 세부 사항이 더 필요합니다.

핵심 아이디어

• 이 프레임워크는 주식 추세의 다음 날 변화를 예측하는 LSTM을 사용합니다.
• 대형 S&P 500 주식 30개를 대상으로 2005년부터 2025년까지의 데이터를 평가합니다.
• 수준 대신 차이를 예측하면 편향-분산 상충을 줄일 수 있다고 제안합니다.
• 비교 대상으로 OLS, Ridge, Lasso, LightGBM 회귀를 보고합니다.
• 포트폴리오 시뮬레이션에서 이익이 나타났다고 보고하지만, 초록에는 구체적인 성과나 비용 수치가 없습니다.

태그

# E-TRENDS: Enhanced LSTM Trend Forecasting for Equities


# E-TRENDS: Enhanced LSTM Trend Forecasting for Equities









Trend-following strategies underpin many systematic trading approaches yet struggle under nonstationary and nonlinear market regimes. We propose an LSTM-based framework to forecast next-day trend differences ($Δ_t$) for the top 30 S\&P 500 equities, validated across market cycles (2005--2025). Key contributions include: (i) formal proof of bias-variance reduction via differencing, (ii) exhaustive empirical benchmarks against OLS, Ridge, and Lasso, (iii) portfolio simulations confirming economic gains in terms of overall PNL compared to other models like OLS, Ridge, Lasso or LightGBM Regressor

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

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