Тестирование торговых стратегий на ценовых рядах, сгенерированных GAN

Сводка

В документе предлагается использовать генеративно-состязательные сети вместе с LSTM для создания синтетических исторических ценовых рядов и оценки торговых стратегий. Предпосылка состоит в том, что стратегия, выбранная за высокую эффективность внутри выборки, может быть переобучена, поэтому она также должна хорошо работать на рядах, сгенерированных моделью распределения исторических данных.

Предлагаемый процесс подгоняет распределение временного ряда с помощью модели GAN-LSTM, а затем проводит бэктестинг стратегий-кандидатов на сгенерированных рядах как дополнительную проверку на переобучение. Текст представляет предложение метода, но не приводит экспериментальных результатов, подробностей реализации или сравнения с другими методами валидации. Это переводное изложение диссертации, первоначально написанной на китайском языке в 2018; в самом документе предупреждается, что некоторые утверждения могли устареть.

Ключевые идеи

• Высокая эффективность внутри выборки сама по себе может привести к выбору переобученной торговой стратегии.
• Для изучения распределения исторического временного ряда предлагается объединить GAN и LSTM.
• Синтетические ряды из подогнанной модели дают дополнительные данные для бэктестинга и оценки стратегий.
• В документе не приводятся результаты или подробная проверка предложенного подхода.

Теги

# Backtesting Trading Strategies with GAN To Avoid Overfitting


# Backtesting Trading Strategies with GAN To Avoid Overfitting









Many works have shown the overfitting hazard of selecting a trading strategy based only on good IS (in sample) performance. But most of them have merely shown such phenomena exist without offering ways to avoid them. We propose an approach to avoid overfitting: A good (meaning non-overfitting) trading strategy should still work well on paths generated in accordance with the distribution of the historical data. We use GAN with LSTM to learn or fit the distribution of the historical time series . Then trading strategies are backtested by the paths generated by GAN to avoid overfitting.(This paper is an tanslated English version of a thesis (10.6342/NTU201801645) which was originally written in Chinese in 2018, where some statements and claims are outdated in 2022)

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.