Pular para o conteúdo
Todos os documentos da biblioteca

Redes de crenças profundas para trading de carteiras de futuros do Tesouro

Artigo arXiv papers · Autor: Abhijit Sharang et al.
Ler o original

Resumo

Este estudo descreve uma estratégia de frequência média para uma carteira de contratos futuros de títulos do Tesouro dos US com vencimentos de cinco e dez anos. Formula o trading como uma tarefa de classificação: prever se a carteira subirá ou cairá na semana seguinte. As entradas da previsão são características aprendidas por uma rede de crenças profundas treinada com indicadores técnicos dos contratos futuros que compõem a carteira.

Os autores relatam que o pipeline de aprendizado de máquina resultante gerou operações lucrativas em seus experimentos. A descrição disponível não informa o período da amostra, o desenho dos testes, os custos, o desempenho ajustado ao risco ou a comparação com modelos mais simples. Assim, apresenta a abordagem de modelagem, mas oferece evidências limitadas para avaliar a robustez ou a possibilidade de implementação da lucratividade relatada. O sucesso experimental histórico não deve ser interpretado como garantia de retornos futuros.

Ideias principais

  • A estratégia negocia uma carteira de contratos futuros de títulos do Tesouro dos US com vencimentos de cinco e dez anos.
  • Ela prevê a direção semanal da carteira como um problema de classificação.
  • Uma rede de crenças profundas extrai características dos indicadores técnicos dos contratos futuros que compõem a carteira.
  • Os autores relatam resultados lucrativos de trading em seus experimentos.
  • A descrição não fornece detalhes suficientes para avaliar a robustez ou os custos de trading.

Tags

FuturosRenda fixaAprendizado de máquinaIndicadores técnicos
Texto completo
# Using machine learning for medium frequency derivative portfolio trading


# Using machine learning for medium frequency derivative portfolio trading









We use machine learning for designing a medium frequency trading strategy for a portfolio of 5 year and 10 year US Treasury note futures. We formulate this as a classification problem where we predict the weekly direction of movement of the portfolio using features extracted from a deep belief network trained on technical indicators of the portfolio constituents. The experimentation shows that the resulting pipeline is effective in making a profitable trade.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.