Многофакторные сети Inception для торговли криптовалютным портфелем

Сводка

В статье представлены многофакторные сети Inception (MFIN) — модель для торговли несколькими криптовалютами с использованием доходностей цен и других часто обновляемых сигналов. Ограниченная история криптоактивов служит основанием для добавления таких факторов, как хешрейт сети и интерес к поиску. MFIN расширяет сети Deep Inception, чтобы одновременно обрабатывать несколько факторов и активов.

Модель извлекает представления из доходностей и определяет размеры позиций в портфеле с целью максимизировать коэффициент Шарпа. В статье её результаты сравниваются со стратегиями импульса и возврата к среднему на основе правил; сообщается, что MFIN формирует стратегию с более высоким коэффициентом Шарпа и меньшей корреляцией, отличающуюся от традиционных факторов, созданных вручную. Также сообщается о сохранении доходности в 2022–2023, когда сравниваемые стратегии и крипторынок в целом показывали слабые результаты. В отрывке нет подробного описания эксперимента, численных показателей эффективности или анализа транзакционных издержек, поэтому оценить устойчивость результатов и практическую применимость торговли невозможно.

Ключевые идеи

• MFIN расширяет сети Deep Inception, позволяя работать с несколькими активами и факторами в рамках одной торговой модели.
• Подход мотивирован доступностью часто обновляемых криптометрик и короткой историей многих активов.
• Модель обучается на доходностях и выбирает размеры позиций в портфеле для оптимизации коэффициента Шарпа.
• Согласно статье, стратегия имеет меньшую корреляцию со стратегиями импульса и возврата к среднему на основе правил.
• В отрывке утверждается, что доходность сохранялась в 2022–2023, но численные показатели и детали реализации не приводятся.

Теги

# Multi-Factor Inception: What to Do with All of These Features?


# Multi-Factor Inception: What to Do with All of These Features?









Cryptocurrency trading represents a nascent field of research, with growing adoption in industry. Aided by its decentralised nature, many metrics describing cryptocurrencies are accessible with a simple Google search and update frequently, usually at least on a daily basis. This presents a promising opportunity for data-driven systematic trading research, where limited historical data can be augmented with additional features, such as hashrate or Google Trends. However, one question naturally arises: how to effectively select and process these features? In this paper, we introduce Multi-Factor Inception Networks (MFIN), an end-to-end framework for systematic trading with multiple assets and factors. MFINs extend Deep Inception Networks (DIN) to operate in a multi-factor context. Similar to DINs, MFIN models automatically learn features from returns data and output position sizes that optimise portfolio Sharpe ratio. Compared to a range of rule-based momentum and reversion strategies, MFINs learn an uncorrelated, higher-Sharpe strategy that is not captured by traditional, hand-crafted factors. In particular, MFIN models continue to achieve consistent returns over the most recent years (2022-2023), where traditional strategies and the wider cryptocurrency market have underperformed.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.