외환 평균회귀를 위한 거시경제 예측

기사 arXiv papers · 저자: Yash Sharma

요약

이 문서는 수익률 곡선 트레이딩 전략에서 시작해 주요 통화쌍을 포함한 다중 통화쌍 전략으로 확장한 평균회귀 접근법을 설명합니다. 관련 거시경제 변수의 머신러닝 예측을 신호 개선에 활용합니다. 예측 정보를 이용해 신호별 가중치를 최적화함으로써 기술적 입력에 거시경제 입력을 더합니다.

보고된 평가에서는 예측을 반영한 뒤 평가 기간의 연간 수익률이 개선됐습니다. 구체적인 수익률 수치, 벤치마크 비교, 예측 변수, 학습 설계, 비용과 위험에 관한 세부 정보는 없습니다. 따라서 거시경제 예측을 평균회귀 전략과 결합하는 방법을 보여주지만, 보고된 개선의 규모와 견고성, 표본 외 신뢰성을 평가하기에는 정보가 부족합니다.

핵심 아이디어

이 전략은 수익률 곡선 평균회귀 아이디어를 주요 통화쌍에 적용합니다.
관련 거시경제 변수의 머신러닝 예측을 트레이딩 신호에 반영합니다.
예측 입력을 사용해 신호 가중치를 최적화합니다.
문서는 연간 수익률 개선을 보고하지만, 견고성을 평가하는 데 필요한 세부 정보는 제공하지 않습니다.

# Using Macroeconomic Forecasts to Improve Mean Reverting Trading Strategies


# Using Macroeconomic Forecasts to Improve Mean Reverting Trading Strategies









A large class of trading strategies focus on opportunities offered by the yield curve. In particular, a set of yield curve trading strategies are based on the view that the yield curve mean-reverts. Based on these strategies' positive performance, a multiple pairs trading strategy on major currency pairs was implemented. To improve the algorithm's performance, machine learning forecasts of a series of pertinent macroeconomic variables were factored in, by optimizing the weights of the trading signals. This resulted in a clear improvement in the APR over the evaluation period, demonstrating that macroeconomic indicators, not only technical indicators, should be considered in trading strategies.

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

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

거시경제 예측으로 외환 평균회귀 신호 개선

요약

핵심 아이디어

태그