نیورل نیٹ ورک فارورڈ ٹیسٹنگ سے ٹریڈنگ اسٹریٹیجیز کا انتخاب

خلاصہ

مقالہ DNN-فارورڈ ٹیسٹنگ نامی اسٹریٹیجی انتخاب کا عمل تجویز کرتا ہے۔ تاریخی قیمتوں پر نتائج کی بنیاد پر ہی ٹریڈنگ اسٹریٹیجی چننے کے بجائے، یہ پہلے ایک گہرے فیڈ فارورڈ نیورل نیٹ ورک سے قیمت کا ممکنہ مستقبل کا راستہ پیش گوئی کرتا اور ان پیش گوئیوں پر تکنیکی اشاروں کا جائزہ لیتا ہے۔ پھر منتخب اشارہ حقیقی مستقبل کی مارکیٹ میں ٹریڈز کی رہنمائی کرتا ہے۔ بیان کردہ طریقۂ کار میں دس سیکیورٹیز کا تحقیقی تجزیہ، کے مین پر مبنی اتار چڑھاؤ کا طریقہ، اور مشترک اتار چڑھاؤ کے عدد کے ساتھ محدود اثاثوں پر تربیت شامل ہے تاکہ اگلے 30 دنوں کی قیمتوں کی پیش گوئی کی جا سکے۔

مصنفین رپورٹ کرتے ہیں کہ نیورل نیٹ ورک کی پیش گوئیاں کلاسیکی شماریاتی طریقوں سے بہتر ہیں، اور پیش گوئی پر مبنی عمل سے منتخب اسٹریٹیجیز روایتی بیک ٹیسٹ انتخاب کے مقابلے میں متوقع قدرِ منافع، شارپ، سورٹینو اور کالمر تناسب بہتر کرتی ہیں۔ فراہم کردہ تفصیل میں سیکیورٹیز، پیش گوئی کی درستگی کے پیمانے، عمل درآمد کی تفصیلات یا جائزے کی مدت موجود نہیں۔ لہٰذا یہ نتائج مقالے کے خلاصے کے دعوے ہیں اور یہ ثابت نہیں کرتے کہ یہ طریقہ مختلف اثاثوں یا پیش گوئی کی حالتوں میں بھی عمومی طور پر لاگو ہوتا ہے۔

اہم خیالات

• یہ طریقہ نیورل نیٹ ورک کی قیمتوں کی پیش گوئی پر لگائے گئے تکنیکی اشاروں سے ٹریڈنگ اسٹریٹیجی منتخب کرتا ہے۔
• کے مین پر مبنی طریقۂ کار ماڈل کی تربیت سے پہلے سیکیورٹیز کو اتار چڑھاؤ کے لحاظ سے گروپ کرتا ہے۔
• بیان کردہ فیڈ فارورڈ نیٹ ورک حصص کی قیمتوں کی 30 دن آگے پیش گوئی کرتا ہے۔
• مصنفین کلاسیکی شماریاتی طریقوں کے مقابلے میں بہتر پیش گوئی کی کارکردگی رپورٹ کرتے ہیں۔
• وہ روایتی بیک ٹیسٹنگ کے ذریعے اسٹریٹیجی انتخاب کے مقابلے میں بہتر خطرے اور منافع کے پیمانے بھی رپورٹ کرتے ہیں۔

ٹیگز

# DNN-ForwardTesting: A New Trading Strategy Validation using Statistical Timeseries Analysis and Deep Neural Networks


# DNN-ForwardTesting: A New Trading Strategy Validation using Statistical Timeseries Analysis and Deep Neural Networks









In general, traders test their trading strategies by applying them on the historical market data (backtesting), and then apply to the future trades the strategy that achieved the maximum profit on such past data. In this paper, we propose a new trading strategy, called DNN-forwardtesting, that determines the strategy to apply by testing it on the possible future predicted by a deep neural network that has been designed to perform stock price forecasts and trained with the market historical data. In order to generate such an historical dataset, we first perform an exploratory data analysis on a set of ten securities and, in particular, analize their volatility through a novel k-means-based procedure. Then, we restrict the dataset to a small number of assets with the same volatility coefficient and use such data to train a deep feed-forward neural network that forecasts the prices for the next 30 days of open stocks market. Finally, our trading system calculates the most effective technical indicator by applying it to the DNNs predictions and uses such indicator to guide its trades. The results confirm that neural networks outperform classical statistical techniques when performing such forecasts, and their predictions allow to select a trading strategy that, when applied to the real future, increases Expectancy, Sharpe, Sortino, and Calmar ratios with respect to the strategy selected through traditional backtesting.

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۔