머신러닝 앙상블로 주식 옵션 추세 예측 및 트레이딩
기사 arXiv papers · 저자: Zheng Cao et al.
요약
이 논문은 머신러닝으로 주식 옵션 추세를 예측하고 그 예측을 트레이딩에 적용하는 후속 연구를 설명합니다. 순환 신경망과 장단기 메모리 네트워크를 살펴본 뒤, 여러 모델의 예측을 결합해 의사결정을 개선할 수 있는지 평가합니다. 초록에서 예측 접근법의 일부라고 밝힌 준가역 방법도 적용합니다.
트레이딩 부분에서는 전략 두 가지와 모의 투자 결과를 제시합니다. 투자 결과를 추정하기 위해 이산 시간 확률 이항 자산 가격 결정 모형과 포트폴리오 헤지를 사용합니다. 초록은 분석이 과거 데이터에 기반한다고 하지만, 데이터셋, 평가 설계, 구체적인 결과, 모의실험에 거래 비용과 시장 상황 변화가 반영됐는지는 설명하지 않습니다. 따라서 주장은 실거래 성과의 증거가 아니라 연구 접근법과 모의실험을 나타냅니다.
핵심 아이디어
- 순환 신경망과 장단기 메모리 네트워크를 주식 옵션 추세 예측에 적용합니다.
- 예측과 의사결정을 돕기 위해 여러 머신러닝 모델을 결합하는 방식을 평가합니다.
- 예측 연구에 준가역 방법을 포함합니다.
- 모의 투자 결과를 통해 트레이딩 전략 두 가지를 평가합니다.
- 이산 시간 이항 가격 결정 모형과 포트폴리오 헤지를 투자 분석에 반영합니다.
태그
전문
# Optimizing Stock Option Forecasting with the Assembly of Machine Learning Models and Improved Trading Strategies # Optimizing Stock Option Forecasting with the Assembly of Machine Learning Models and Improved Trading Strategies This paper introduced key aspects of applying Machine Learning (ML) models, improved trading strategies, and the Quasi-Reversibility Method (QRM) to optimize stock option forecasting and trading results. It presented the findings of the follow-up project of the research "Application of Convolutional Neural Networks with Quasi-Reversibility Method Results for Option Forecasting". First, the project included an application of Recurrent Neural Networks (RNN) and Long Short-Term Memory (LSTM) networks to provide a novel way of predicting stock option trends. Additionally, it examined the dependence of the ML models by evaluating the experimental method of combining multiple ML models to improve prediction results and decision-making. Lastly, two improved trading strategies and simulated investing results were presented. The Binomial Asset Pricing Model with discrete time stochastic process analysis and portfolio hedging was applied and suggested an optimized investment expectation. These results can be utilized in real-life trading strategies to optimize stock option investment results based on historical data.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.