본문으로 건너뛰기
라이브러리 문서 전체

진화 탐색으로 감성 기반 주식 트레이딩 규칙 최적화

기사 arXiv papers · 저자: Ronald Hochreiter
원문 읽기

요약

이 논문은 금융 감성 데이터를 바탕으로 규칙 기반 트레이딩 전략을 산출하기 위해 진화 최적화를 사용합니다. 감성 신호는 StockTwits에서 가져온 것으로, 온라인 트레이딩 커뮤니티가 개별 종목을 강세 또는 약세로 보는 관점을 나타냅니다. 저자들은 다우존스 산업평균지수 구성 종목의 수치 결과를 보고하고, 이 접근법을 고전적인 위험·수익 포트폴리오 선택과 비교합니다.

이는 소셜미디어 감성과 진화 탐색을 결합한 연구 방법이며, 포트폴리오 선택 비교도 포함합니다. 발췌문에는 트레이딩 규칙, 최적화 설계, 기간, 거래 비용, 실제 결과가 명시되어 있지 않습니다. 이 정보가 없으면 전략이 일반화되는지, 실행 비용을 반영하는지, 위험 조정 기준으로 더 나은 성과를 내는지 평가할 수 없습니다. 증거는 명시된 분석과 비교에 한정됩니다.

핵심 아이디어

  • 진화 최적화로 규칙 기반 트레이딩 전략을 생성합니다.
  • 감성 입력값은 StockTwits에 표현된 강세 또는 약세 관점을 반영합니다.
  • 연구는 DJIA개 구성 종목의 결과를 보고합니다.
  • 고전적인 위험·수익 포트폴리오 선택과 비교하지만, 발췌문에는 지표와 실행 세부사항이 없습니다.

태그

시장 심리머신러닝주식포트폴리오 구성백테스트
전문
# Computing trading strategies based on financial sentiment data using evolutionary optimization


# Computing trading strategies based on financial sentiment data using evolutionary optimization









In this paper we apply evolutionary optimization techniques to compute optimal rule-based trading strategies based on financial sentiment data. The sentiment data was extracted from the social media service StockTwits to accommodate the level of bullishness or bearishness of the online trading community towards certain stocks. Numerical results for all stocks from the Dow Jones Industrial Average (DJIA) index are presented and a comparison to classical risk-return portfolio selection is provided.

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

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