본문으로 건너뛰기
라이브러리 문서 전체

이상 현상을 반영한 중기 주가 예측을 위한 Mid-LSTM

기사 arXiv papers · 저자: Xinyi Li et al.
원문 읽기

요약

이 논문은 시장 이상 현상을 반영해 중기 주가를 예측하려는 딥러닝 모형인 Mid-LSTM을 제안한다. 설계에서는 시장 추세를 숨은 상태로 나타낸다. 설명된 접근법은 먼저 숨은 상태와 CAPM를 포함한 중기 ARMA 모형을 만들고, 이어 LSTM, 은닉 마르코프 모형, 선형 회귀 네트워크를 결합한다. 누적 예측 오차를 줄이고 주가와 관련된 요인을 설명하는 것이 목표다.

S&P 500 주식을 대상으로 한 실험에서 예측 정확도가 2~4% 개선됐다고 보고한다. 저자들은 포트폴리오 배분 결과로 연간 수익률 최대 120.16%와 평균 샤프 비율 2.99도 제시한다. 이는 논문 요약에 포함된 주장이다. 발췌문에는 평가 기간, 기준 모형, 거래 비용, 검증 설계, 리스크 통제가 명시되지 않았다. 따라서 이 결과만으로 표본외 성과나 예상 실거래 수익을 입증할 수 없다.

핵심 아이디어

  • Mid-LSTM은 중기 주가 예측을 위해 시장 추세를 숨은 상태로 나타낸다.
  • 이 모형은 LSTM, 은닉 마르코프, 선형 회귀 요소를 결합한다.
  • 정식화에는 ARMA와 CAPM도 활용된다.
  • 보고된 S&P 500 실험은 예측 정확도와 포트폴리오 지표의 개선을 보였지만, 발췌문에는 평가 세부사항이 빠져 있다.

태그

주식머신러닝통계포트폴리오 구성백테스트
전문
# Risk Management via Anomaly Circumvent: Mnemonic Deep Learning for Midterm Stock Prediction


# Risk Management via Anomaly Circumvent: Mnemonic Deep Learning for Midterm Stock Prediction









Midterm stock price prediction is crucial for value investments in the stock market. However, most deep learning models are essentially short-term and applying them to midterm predictions encounters large cumulative errors because they cannot avoid anomalies. In this paper, we propose a novel deep neural network Mid-LSTM for midterm stock prediction, which incorporates the market trend as hidden states. First, based on the autoregressive moving average model (ARMA), a midterm ARMA is formulated by taking into consideration both hidden states and the capital asset pricing model. Then, a midterm LSTM-based deep neural network is designed, which consists of three components: LSTM, hidden Markov model and linear regression networks. The proposed Mid-LSTM can avoid anomalies to reduce large prediction errors, and has good explanatory effects on the factors affecting stock prices. Extensive experiments on S&P 500 stocks show that (i) the proposed Mid-LSTM achieves 2-4% improvement in prediction accuracy, and (ii) in portfolio allocation investment, we achieve up to 120.16% annual return and 2.99 average Sharpe ratio.

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

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