Chọn chiến lược giao dịch bằng kiểm thử hướng tới tương lai với mạng nơ-ron

Tóm tắt

Bài báo đề xuất quy trình chọn chiến lược có tên DNN-forwardtesting. Thay vì chỉ chọn chiến lược giao dịch dựa trên kết quả với giá lịch sử, quy trình trước tiên dự báo một đường giá tương lai khả dĩ bằng mạng nơ-ron truyền thẳng sâu rồi đánh giá các chỉ báo kỹ thuật trên những dự báo đó. Sau đó, chỉ báo được chọn sẽ định hướng giao dịch trên thị trường tương lai thực tế. Quy trình được mô tả gồm phân tích thăm dò mười chứng khoán, quy trình biến động dựa trên k-means và huấn luyện trên một tập tài sản giới hạn có chung hệ số biến động để dự báo giá trong 30 ngày tiếp theo.

Các tác giả báo cáo rằng dự báo của mạng nơ-ron vượt các kỹ thuật thống kê cổ điển, đồng thời các chiến lược được chọn qua quy trình dựa trên dự báo cải thiện các tỷ lệ kỳ vọng, Sharpe, Sortino và Calmar so với cách chọn bằng kiểm thử lịch sử truyền thống. Mô tả được cung cấp không nêu các loại chứng khoán, chỉ số độ chính xác dự báo, chi tiết triển khai hay giai đoạn đánh giá. Vì vậy, đây là các tuyên bố trong phần tóm tắt bài báo, không chứng minh phương pháp có thể khái quát qua các tài sản hoặc điều kiện dự báo khác nhau.

Ý chính

• Phương pháp chọn chiến lược giao dịch bằng cách áp dụng các chỉ báo kỹ thuật lên dự báo giá của mạng nơ-ron.
• Quy trình dựa trên k-means phân nhóm chứng khoán theo biến động trước khi huấn luyện mô hình.
• Mạng nơ-ron truyền thẳng được mô tả dự báo giá cổ phiếu cho 30 ngày tới.
• Các tác giả báo cáo hiệu quả dự báo tốt hơn so với các kỹ thuật thống kê cổ điển.
• Các tác giả cũng báo cáo chỉ số rủi ro và lợi nhuận cải thiện so với việc chọn chiến lược bằng kiểm thử lịch sử truyền thống.

Thẻ

# 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.

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.