Kết hợp học sâu và phương pháp tiến hóa để đầu tư ETF

Tóm tắt

Bài nghiên cứu đề xuất một phương pháp đầu tư có hệ thống nhằm tích lũy tài sản trong dài hạn thông qua chuỗi quyết định mua ETF ngắn hạn. Phương pháp kết hợp thuật toán tiến hóa với mô hình học sâu để cải thiện thời điểm đóng góp vốn so với đầu tư định kỳ hằng ngày thông thường. Mục tiêu là điều chỉnh quyết định mua theo thời gian thay vì đầu tư theo cùng một cách vào mỗi ngày đã định.

Các tác giả báo cáo lợi suất cao hơn khoảng một phần trăm so với đầu tư định kỳ hằng ngày truyền thống đối với một ETF nhất định. Họ cho biết bằng chứng đến từ các quyết định giao dịch thuật toán thực được thực hiện qua nền tảng môi giới bán lẻ, chứ không chỉ từ kiểm thử lịch sử mô phỏng. Mô tả ngắn không nêu ETF, giai đoạn đánh giá, thước đo rủi ro, chi phí hoặc liệu phép so sánh có áp dụng được cho các quỹ và điều kiện thị trường khác hay không. Vì vậy, chênh lệch được báo cáo là một nghiên cứu tình huống, không phải bảo đảm rộng rãi rằng phương pháp kết hợp sẽ cải thiện kết quả đầu tư dài hạn.

Ý chính

• Phương pháp kết hợp thuật toán tiến hóa và học sâu để định hướng quyết định mua ETF.
• Phương pháp hướng đến tích lũy tài sản dài hạn qua một chuỗi lựa chọn đầu tư ngắn hạn.
• Phép so sánh được thực hiện với hình thức đầu tư định kỳ hằng ngày thông thường vào một ETF nhất định.
• Các tác giả báo cáo lợi suất cao hơn khoảng một phần trăm nhờ quyết định thuật toán thực, nhưng thông tin về khả năng khái quát còn hạn chế.

Thẻ

# 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.

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.