Mạng niềm tin sâu cho danh mục hợp đồng tương lai trái phiếu Kho bạc Mỹ

Tóm tắt

Nghiên cứu này mô tả một chiến lược tần suất trung bình cho danh mục hợp đồng tương lai trái phiếu Kho bạc US kỳ hạn năm năm và mười năm. Nghiên cứu xem giao dịch là một bài toán phân loại: dự đoán danh mục sẽ tăng hay giảm trong tuần tới. Đầu vào dự đoán là các đặc trưng được mạng niềm tin sâu học từ những chỉ báo kỹ thuật của các hợp đồng tương lai cấu thành danh mục.

Các tác giả cho biết quy trình học máy này đã tạo ra các giao dịch có lãi trong thí nghiệm. Phần mô tả hiện có không nêu giai đoạn mẫu, thiết kế kiểm định, chi phí, hiệu suất đã điều chỉnh theo rủi ro hay so sánh với các mô hình đơn giản hơn. Vì vậy, nội dung cho biết cách tiếp cận mô hình hóa nhưng cung cấp ít bằng chứng để đánh giá mức độ vững chắc hoặc khả năng triển khai của lợi nhuận được báo cáo. Thành công trong thí nghiệm lịch sử không nên được xem là bảo đảm cho lợi nhuận trong tương lai.

Ý chính

• Chiến lược giao dịch danh mục hợp đồng tương lai trái phiếu Kho bạc US kỳ hạn năm năm và mười năm.
• Chiến lược dự đoán hướng đi hàng tuần của danh mục như một bài toán phân loại.
• Mạng niềm tin sâu trích xuất đặc trưng từ các chỉ báo kỹ thuật của những hợp đồng tương lai cấu thành danh mục.
• Các tác giả báo cáo kết quả giao dịch có lãi trong thí nghiệm.
• Mô tả không cung cấp đủ chi tiết để đánh giá độ vững chắc hoặc chi phí giao dịch.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.