گہری سیکھ اور ارتقائی طریقوں سے ETF سرمایہ کاری

خلاصہ

یہ مقالہ طویل مدت میں دولت بڑھانے کے لیے منظم سرمایہ کاری کا ایسا طریقہ تجویز کرتا ہے جو مختصر مدتی ETF خریداری کے فیصلوں کی ترتیب پر مبنی ہے۔ یہ روایتی روزانہ منظم سرمایہ کاری کے مقابلے میں رقوم جمع کرنے کے وقت کو بہتر بنانے کے لیے ارتقائی الگورتھم کو گہری سیکھ کے ماڈل کے ساتھ ملاتا ہے۔ مقصد یہ ہے کہ ہر مقررہ دن ایک ہی انداز میں سرمایہ کاری کرنے کے بجائے وقت کے ساتھ خریداری کے فیصلوں کو ڈھالا جائے۔

مصنفین ایک مخصوص ETF کے لیے روایتی روزانہ منظم سرمایہ کاری سے تقریباً ایک فیصد زیادہ منافع رپورٹ کرتے ہیں۔ ان کے مطابق شواہد کسی نقلی بیک ٹیسٹ تک محدود ہونے کے بجائے خردہ بروکریج پلیٹ فارم کے ذریعے کیے گئے لائیو الگورتھمک ٹریڈنگ فیصلوں سے حاصل ہوئے۔ مختصر وضاحت میں ETF، جائزے کا دورانیہ، خطرے کے پیمانے، لاگت یا یہ نہیں بتایا گیا کہ موازنہ دوسرے فنڈز اور منڈی کے حالات پر بھی لاگو ہوتا ہے یا نہیں۔ لہٰذا رپورٹ شدہ فرق ایک کیس اسٹڈی ہے، اس بات کی وسیع ضمانت نہیں کہ یہ مجموعہ طویل مدتی سرمایہ کاری کے نتائج بہتر بنائے گا۔

اہم خیالات

• یہ طریقہ ETF کی خریداری کے فیصلوں کی رہنمائی کے لیے ارتقائی الگورتھم اور گہری سیکھ کو ملاتا ہے۔
• اس کا ہدف مختصر مدتی سرمایہ کاری کے سلسلہ وار فیصلوں کے ذریعے طویل مدتی دولت جمع کرنا ہے۔
• موازنہ ایک مخصوص ETF میں روایتی روزانہ منظم سرمایہ کاری سے کیا گیا ہے۔
• مصنفین لائیو الگورتھمک فیصلوں کے ساتھ تقریباً ایک فیصد زیادہ منافع رپورٹ کرتے ہیں، مگر عمومی اطلاق کی تفصیلات محدود ہیں۔

ٹیگز

# Intelligent Systematic Investment Agent: an ensemble of deep learning and evolutionary strategies


# Intelligent Systematic Investment Agent: an ensemble of deep learning and evolutionary strategies









Machine learning driven trading strategies have garnered a lot of interest over the past few years. There is, however, limited consensus on the ideal approach for the development of such trading strategies. Further, most literature has focused on trading strategies for short-term trading, with little or no focus on strategies that attempt to build long-term wealth. Our paper proposes a new approach for developing long-term investment strategies using an ensemble of evolutionary algorithms and a deep learning model by taking a series of short-term purchase decisions. Our methodology focuses on building long-term wealth by improving systematic investment planning (SIP) decisions on Exchange Traded Funds (ETF) over a period of time. We provide empirical evidence of superior performance (around 1% higher returns) using our ensemble approach as compared to the traditional daily systematic investment practice on a given ETF. Our results are based on live trading decisions made by our algorithm and executed on the Robinhood trading platform.

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۔