ٹریڈنگ اسٹریٹیجیز جانچنے کے لیے GAN سے تیار کردہ قیمت کے راستے
خلاصہ
دستاویز تجویز کرتی ہے کہ ٹریڈنگ اسٹریٹیجیز کی جانچ کے لیے جنریٹو ایڈورسریل نیٹ ورکس کو ایل ایس ٹی ایمز کے ساتھ استعمال کر کے مصنوعی تاریخی قیمت کے راستے بنائے جائیں۔ اس کی بنیاد یہ ہے کہ نمونے کے اندر مضبوط کارکردگی کی بنا پر منتخب اسٹریٹیجی حد سے زیادہ موزوں ہو سکتی ہے؛ اس لیے اسے تاریخی ڈیٹا کی تقسیم کے ماڈل سے لیے گئے راستوں پر بھی اچھی کارکردگی دکھانی چاہیے۔
مجوزہ طریقۂ کار میں ٹائم سیریز کی تقسیم کو GAN-LSTM ماڈل سے فِٹ کیا جاتا ہے، پھر حد سے زیادہ موزونیت کے خلاف اضافی جانچ کے طور پر امیدوار اسٹریٹیجیز کا تیار کردہ راستوں پر بیک ٹیسٹ کیا جاتا ہے۔ متن اسے طریقے کی تجویز کے طور پر پیش کرتا ہے، مگر تجرباتی نتائج، نفاذ کی تفصیل یا توثیق کی دیگر تکنیکوں سے موازنہ نہیں دیتا۔ یہ 2018 میں اصل چینی زبان میں لکھے گئے مقالۂ تحقیق کا ترجمہ شدہ خلاصہ ہے؛ دستاویز خود خبردار کرتی ہے کہ بعض دعوے پرانے ہو سکتے ہیں۔
اہم خیالات
- صرف نمونے کے اندر مضبوط کارکردگی کسی حد سے زیادہ موزوں ٹریڈنگ اسٹریٹیجی کا انتخاب کر سکتی ہے۔
- تاریخی ٹائم سیریز کی تقسیم سیکھنے کے لیے GAN کو LSTM کے ساتھ استعمال کرنے کی تجویز ہے۔
- فِٹ کیے گئے ماڈل سے تیار کردہ مصنوعی راستے اسٹریٹیجی کی جانچ کے لیے اضافی بیک ٹیسٹنگ ڈیٹا فراہم کرتے ہیں۔
- دستاویز طریقے کے رپورٹ شدہ نتائج یا تفصیلی توثیق فراہم نہیں کرتی۔
ٹیگز
مکمل متن
# 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a thesis (10.6342/NTU201801645) which was originally written in Chinese in 2018, where some statements and claims are outdated in 2022)
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۔