跳至正文
返回文库全部文档

用进化搜索优化基于情绪的股票交易规则

文章 arXiv papers · 作者: Ronald Hochreiter
阅读原文

总结

论文使用进化优化，根据金融情绪数据计算基于规则的交易策略。情绪信号反映在线交易社区对个股的看涨或看跌观点，数据来源为StockTwits。作者报告了道琼斯工业平均指数成分股的数值结果，并将其方法与经典的风险收益投资组合选择方法进行比较。

这项研究方法将社交媒体情绪与进化搜索结合，并进行投资组合选择比较。摘录未说明交易规则、优化设计、研究期间、交易成本或具体结果。缺少这些细节，无法评估策略能否推广、是否计入实施成本，或风险调整后表现是否更优。证据仅限于所述分析和比较。

核心观点

  • 该方法使用进化优化生成基于规则的交易策略。
  • 情绪输入反映StockTwits上表达的看涨或看跌观点。
  • 研究报告了DJIA只成分股的结果。
  • 该方法与经典风险收益投资组合选择方法进行比较，但摘录未提供指标和实施细节。

标签

市场情绪机器学习股票投资组合构建回测
全文
# Computing trading strategies based on financial sentiment data using evolutionary optimization


# Computing trading strategies based on financial sentiment data using evolutionary optimization









In this paper we apply evolutionary optimization techniques to compute optimal rule-based trading strategies based on financial sentiment data. The sentiment data was extracted from the social media service StockTwits to accommodate the level of bullishness or bearishness of the online trading community towards certain stocks. Numerical results for all stocks from the Dow Jones Industrial Average (DJIA) index are presented and a comparison to classical risk-return portfolio selection is provided.

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。