ٹریژری فیوچرز پورٹ فولیو ٹریڈنگ کے لیے ڈیپ بلیف نیٹ ورکس
خلاصہ
یہ مطالعہ پانچ اور دس سالہ US ٹریژری نوٹ فیوچرز کے پورٹ فولیو کے لیے درمیانی فریکوئنسی کی اسٹریٹیجی بیان کرتا ہے۔ یہ ٹریڈنگ کو درجہ بندی کے مسئلے کے طور پر پیش کرتا ہے: پیش گوئی کرنا کہ آنے والے ہفتے میں پورٹ فولیو اوپر جائے گا یا نیچے۔ پیش گوئی کے اِن پٹس وہ خصوصیات ہیں جو پورٹ فولیو کے اجزائی فیوچرز کے تکنیکی اشاریوں پر تربیت یافتہ ڈیپ بلیف نیٹ ورک نے سیکھی ہیں۔
مصنفین بتاتے ہیں کہ مشین لرننگ کی اس پائپ لائن نے ان کے تجربات میں منافع بخش ٹریڈز پیدا کیے۔ دستیاب وضاحت میں نمونے کی مدت، ٹیسٹ ڈیزائن، اخراجات، خطرے کے مطابق کارکردگی یا آسان ماڈلز سے موازنے کی تفصیلات نہیں ہیں۔ اس لیے یہ ماڈلنگ کا طریقہ تو بتاتی ہے، مگر رپورٹ کردہ منافع کی مضبوطی یا قابلِ عمل ہونے کا اندازہ لگانے کے لیے شواہد محدود ہیں۔ تاریخی تجرباتی کامیابی کو مستقبل کے منافع کی یقین دہانی نہیں سمجھنا چاہیے۔
اہم خیالات
- اسٹریٹیجی پانچ اور دس سالہ US ٹریژری نوٹ فیوچرز کے پورٹ فولیو میں ٹریڈ کرتی ہے۔
- یہ پورٹ فولیو کی ہفتہ وار سمت کو درجہ بندی کے مسئلے کے طور پر پیش گوئی کرتی ہے۔
- ڈیپ بلیف نیٹ ورک فیوچرز کے اجزائی حصوں کے تکنیکی اشاریوں سے خصوصیات اخذ کرتا ہے۔
- مصنفین تجرباتی ٹریڈنگ میں منافع بخش نتائج بتاتے ہیں۔
- وضاحت میں مضبوطی یا ٹریڈنگ اخراجات کا جائزہ لینے کے لیے کافی تفصیل موجود نہیں۔
ٹیگز
مکمل متن
# 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.
ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0
یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔