論文の概要: A Generic Methodology for the Statistically Uniform & Comparable
Evaluation of Automated Trading Platform Components
- arxiv url: http://arxiv.org/abs/2009.09993v4
- Date: Sat, 18 Jun 2022 21:33:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 05:44:10.965018
- Title: A Generic Methodology for the Statistically Uniform & Comparable
Evaluation of Automated Trading Platform Components
- Title（参考訳）: 自動取引プラットフォームコンポーネントの統計的に一様かつ比較可能な評価のためのジェネリック手法
- Authors: Artur Sokolovsky and Luca Arnaboldi
- Abstract要約: 提案手法は,2つの自動トレーディングプラットフォームコンポーネント上で実証される。
すなわち、価格レベル、よく知られた取引パターン、新しい2段階の特徴抽出方法である。
主な仮説は、選択された取引パターンが機械学習環境での使用に適しているかどうかを評価するために定式化された。
- 参考スコア（独自算出の注目度）: 2.28438857884398
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although machine learning approaches have been widely used in the field of
finance, to very successful degrees, these approaches remain bespoke to
specific investigations and opaque in terms of explainability, comparability,
and reproducibility. The primary objective of this research was to shed light
upon this field by providing a generic methodology that was
investigation-agnostic and interpretable to a financial markets practitioner,
thus enhancing their efficiency, reducing barriers to entry, and increasing the
reproducibility of experiments. The proposed methodology is showcased on two
automated trading platform components. Namely, price levels, a well-known
trading pattern, and a novel 2-step feature extraction method. The methodology
relies on hypothesis testing, which is widely applied in other social and
scientific disciplines to effectively evaluate the concrete results beyond
simple classification accuracy. The main hypothesis was formulated to evaluate
whether the selected trading pattern is suitable for use in the machine
learning setting. Across the experiments we found that the use of the
considered trading pattern in the machine learning setting is only partially
supported by statistics, resulting in insignificant effect sizes (Rebound 7 -
$0.64 \pm 1.02$, Rebound 11 $0.38 \pm 0.98$, and rebound 15 - $1.05 \pm 1.16$),
but allowed the rejection of the null hypothesis. We showcased the generic
methodology on a US futures market instrument and provided evidence that with
this methodology we could easily obtain informative metrics beyond the more
traditional performance and profitability metrics. This work is one of the
first in applying this rigorous statistically-backed approach to the field of
financial markets and we hope this may be a springboard for more research.
- Abstract（参考訳）: 機械学習のアプローチは、金融の分野では広く使われているが、非常に成功した学位では、説明可能性、比較可能性、再現性の観点から、特定の調査や不透明さに注意が払われている。
本研究の主な目的は、金融市場の実践者に対して調査に無関係で解釈可能な一般的な方法論を提供することで、その効率を向上し、参入障壁を減らし、実験の再現性を高めることであった。
提案手法は2つの自動トレーディングプラットフォームコンポーネントで実証される。
すなわち、価格レベル、よく知られた取引パターン、および新しい2段階特徴抽出方法である。
この方法論は仮説テストに依存しており、単純な分類精度以上の具体的な結果を効果的に評価するために、他の社会的・科学的分野に広く適用されている。
主な仮説は、選択された取引パターンが機械学習環境での使用に適しているかどうかを評価するために定式化された。
実験を通じて、マシンラーニング環境でのトレーディングパターンの使用は、統計によって部分的にしかサポートされないことが判明し、結果として重要な効果サイズ(リバウンド7$0.64 \pm 1.02$、リバウンド11$0.38 \pm 0.98$、リバウンド15 - $1.05 \pm 1.16$)になる。
当社はus futures market instrumentで一般的な方法論を紹介し、この手法により、従来のパフォーマンスや収益性指標を越えて、より有用なメトリクスを簡単に得ることができるという証拠を提供した。
この研究は、この厳格な統計的支援を受けたアプローチを金融市場に適用した最初の1つであり、さらなる研究の出発点になることを願っている。
関連論文リスト
- Provable Benefits of Policy Learning from Human Preferences in
Contextual Bandit Problems [82.92678837778358]
嗜好に基づく手法は、InstructGPTのような経験的応用でかなりの成功を収めている。
フィードバックモデリングにおける人間のバイアスと不確実性がこれらのアプローチの理論的保証にどのように影響するかを示す。
論文 参考訳（メタデータ） (2023-07-24T17:50:24Z) - FFB: A Fair Fairness Benchmark for In-Processing Group Fairness Methods [84.1077756698332]
本稿では,グループフェアネス手法のベンチマークフレームワークであるFair Fairness Benchmark(textsfFFB)を紹介する。
グループフェアネスの異なる概念を確実にするための最先端手法を包括的に分析する。
論文 参考訳（メタデータ） (2023-06-15T19:51:28Z) - Causality-Aided Trade-off Analysis for Machine Learning Fairness [11.149507394656709]
本稿では,機械学習パイプラインにおける公平度パラメータと他の重要な指標とのトレードオフを解析するための原理的手法として因果解析を用いる。
本稿では、正確な因果発見を容易にするためのドメイン固有最適化と、確立された因果推論手法に基づくトレードオフ解析のための統一されたインターフェースを提案する。
論文 参考訳（メタデータ） (2023-05-22T14:14:43Z) - In Search of Insights, Not Magic Bullets: Towards Demystification of the
Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。
選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
論文 参考訳（メタデータ） (2023-02-06T16:55:37Z) - Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。
本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。
本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文 参考訳（メタデータ） (2022-01-11T23:01:12Z) - Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。
ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。
本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-11T03:38:16Z) - Interpretable ML-driven Strategy for Automated Trading Pattern
Extraction [2.7910505923792646]
金融時系列分析のためのボリュームベースデータ前処理手法を提案する。
手法の性能を評価するために統計的手法を用いる。
提案手法により,金融時系列パターンの分類を成功させることができた。
論文 参考訳（メタデータ） (2021-03-23T09:55:46Z) - Deep Portfolio Optimization via Distributional Prediction of Residual
Factors [3.9189409002585562]
そこで本稿では,残余要因と呼ばれる金融量分布の予測に基づくポートフォリオ構築手法を提案する。
本手法が米国および日本の株式市場データに有効であることを実証する。
論文 参考訳（メタデータ） (2020-12-14T04:09:52Z) - Financial Data Analysis Using Expert Bayesian Framework For Bankruptcy
Prediction [0.0]
本稿では,エキスパートベイズフレームワークを用いた生成モデリングの新たな手法を提案する。
提案フレームワークの最大の利点は、モデリングプロセスに専門家の判断を明示的に取り入れることである。
提案手法は、金融や医療診断など、高度に規制された、あるいは安全性の高い応用に適している。
論文 参考訳（メタデータ） (2020-10-19T19:09:02Z) - Bid Prediction in Repeated Auctions with Learning [30.07778295477907]
本稿では,メインストリームの検索オークションマーケットプレースからのデータセットを用いて,繰り返しオークションにおける入札予測の問題を検討する。
提案手法は,非regret型エコノメトリを用いて入札予測を行い,ユーティリティ関数に関する非regret学習者としてプレーヤをモデル化する。
この手法は,最先端の時系列機械学習手法に匹敵する性能を示す。
論文 参考訳（メタデータ） (2020-07-26T18:14:05Z) - Learning the Truth From Only One Side of the Story [58.65439277460011]
一般化線形モデルに焦点をあて、このサンプリングバイアスを調整しなければ、モデルは準最適に収束するか、あるいは最適解に収束しないかもしれないことを示す。
理論的保証を伴って適応的なアプローチを提案し、いくつかの既存手法を実証的に上回っていることを示す。
論文 参考訳（メタデータ） (2020-06-08T18:20:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。