跳至正文
返回文库全部文档

用 GAN 生成的价格路径检验交易策略

文章 arXiv papers · 作者: Ao Sun et al.
阅读原文

总结

本文提出使用生成对抗网络和长短期记忆网络创建合成历史价格路径，以评估交易策略。其前提是，因样本内表现强劲而选出的策略可能过拟合，因此也应在根据历史数据分布模型生成的价格路径上表现良好。

该方法先用 GAN-LSTM 模型拟合时间序列分布，再对生成的路径上的候选策略进行回测，作为检验过拟合的补充。本文将其作为一种方法提案，但没有提供实验结果、实施细节或与其他验证技术的比较。这是对一篇最初以中文撰写于 2018 的论文的翻译摘要；文中提醒，部分说法可能已经过时。

核心观点

  • 仅凭强劲的样本内表现选出的交易策略可能过拟合。
  • 本文提出将 GAN 与 LSTM 结合，以学习历史时间序列分布。
  • 根据拟合模型生成的合成路径可作为额外回测数据，用于评估策略。
  • 本文未提供该方法的报告结果或详细验证。

标签

机器学习回测统计学
全文
# Backtesting Trading Strategies with GAN To Avoid Overfitting


# Backtesting Trading Strategies with GAN To Avoid Overfitting









Many works have shown the overfitting hazard of selecting a trading strategy based only on good IS (in sample) performance. But most of them have merely shown such phenomena exist without offering ways to avoid them. We propose an approach to avoid overfitting: A good (meaning non-overfitting) trading strategy should still work well on paths generated in accordance with the distribution of the historical data. We use GAN with LSTM to learn or fit the distribution of the historical time series . Then trading strategies are backtested by the paths generated by GAN to avoid overfitting.(This paper is an tanslated English version of a thesis (10.6342/NTU201801645) which was originally written in Chinese in 2018, where some statements and claims are outdated in 2022)

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。