跳至正文
返回文库全部文档

深度置信网络与美国国债期货组合交易

文章 arXiv papers · 作者: Abhijit Sharang et al.
阅读原文

总结

本研究介绍一种中频策略，交易由五年期和十年期 US 国债票据期货构成的投资组合。该策略将交易视为分类任务：预测投资组合在未来一周会上涨还是下跌。预测输入是深度置信网络从组合成分期货的技术指标中学习到的特征。

作者报告称，实验中的机器学习流程产生了盈利交易。现有描述未说明样本期、测试设计、成本、风险调整后表现或与更简单模型的比较。因此，描述传达了建模方法，但为判断所报告盈利能力的稳健性或可部署性提供的证据有限。历史实验成功不应被视为对未来收益的保证。

核心观点

  • 该策略交易由五年期和十年期 US 国债票据期货构成的投资组合。
  • 它将预测投资组合的周度涨跌方向视为分类问题。
  • 深度置信网络从期货成分的技术指标中提取特征。
  • 作者报告称实验交易结果盈利。
  • 描述未提供足够细节来评估稳健性或交易成本。

标签

期货固定收益机器学习技术指标
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。