論文の概要: Trading Signals In VIX Futures
- arxiv url: http://arxiv.org/abs/2103.02016v3
- Date: Tue, 23 Nov 2021 03:36:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 12:04:47.129898
- Title: Trading Signals In VIX Futures
- Title(参考訳): VIXの将来における取引信号
- Authors: M. Avellaneda, T. N. Li, A. Papanicolaou, G. Wang
- Abstract要約: 我々は、VIX 未来という用語構造がマルコフモデルに従うと仮定する。
我々のトレーディング戦略は、日頭地平線に対する期待効用を最大化することで、VIX先物におけるポジションを選択する。
- 参考スコア(独自算出の注目度): 0.19116784879310023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a new approach for trading VIX futures. We assume that the term
structure of VIX futures follows a Markov model. Our trading strategy selects a
position in VIX futures by maximizing the expected utility for a day-ahead
horizon given the current shape and level of the term structure.
Computationally, we model the functional dependence between the VIX futures
curve, the VIX futures positions, and the expected utility as a deep neural
network with five hidden layers. Out-of-sample backtests of the VIX futures
trading strategy suggest that this approach gives rise to reasonable portfolio
performance, and to positions in which the investor will be either long or
short VIX futures contracts depending on the market environment.
- Abstract(参考訳): 我々はvix先物取引の新しいアプローチを提案する。
我々は、VIX 未来という用語構造がマルコフモデルに従うと仮定する。
当社の取引戦略は,現在の用語構造の形状とレベルを考慮し,日々の地平線に対する期待効用を最大化することにより,vix先物におけるポジションを選択する。
計算学的には、vix futures曲線、vix futures位置、および5つの隠れ層を持つディープニューラルネットワークとして期待される有用性の間の関数依存をモデル化する。
VIX先物取引戦略のアウト・オブ・サンプルバックテストは、このアプローチが合理的なポートフォリオパフォーマンスをもたらし、投資家が市場環境に応じてVIX先物取引の長期または短期の契約を行う立場に導くことを示唆している。
関連論文リスト
- Few-Shot Learning Patterns in Financial Time-Series for Trend-Following
Strategies [21.609769682958824]
本稿では,新たな市場環境に迅速に適応可能な時系列トレンド追従予測器を提案する。
X-Trendは、コンテキストセット内の同様のパターンからトレンドを転送し、予測を行い、新しい異なるターゲットレジームのポジションを取る。
X-Trendは、ニューラル予測器よりもシャープ比が18.9%上昇し、従来の時系列モメンタム戦略よりも10倍の新たな金融体制に迅速に適応することができる。
論文 参考訳(メタデータ) (2023-10-16T15:20:12Z) - NoxTrader: LSTM-Based Stock Return Momentum Prediction for Quantitative
Trading [0.0]
NoxTraderはポートフォリオの構築と取引実行のために設計された洗練されたシステムである。
NoxTraderの基本的な学習プロセスは、歴史的取引データから得られた貴重な洞察の同化に根ざしている。
厳密な特徴工学と予測対象の選択により,0.65から0.75の範囲の顕著な相関範囲で予測データを生成することができる。
論文 参考訳(メタデータ) (2023-10-01T17:53:23Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - Application of supervised learning models in the Chinese futures market [0.0]
本稿では,先物価格の傾向を予測するための教師付き学習モデルを構築し,その予測結果に基づいてトレーディング戦略を設計する。
分類問題の精度,リコール,F1スコアは,今後の価格変動の分類の精度要件を満たすことを示唆している。
論文 参考訳(メタデータ) (2023-03-08T13:56:53Z) - DNN-ForwardTesting: A New Trading Strategy Validation using Statistical
Timeseries Analysis and Deep Neural Networks [0.6882042556551609]
我々はDNN-forwardtestingと呼ばれる新しいトレーディング戦略を提案し、ディープニューラルネットワークによって予測される将来についてテストすることで適用戦略を決定する。
我々の取引システムは、DNNの予測に適用することで最も効果的な技術指標を計算し、そのような指標を使って取引を誘導する。
論文 参考訳(メタデータ) (2022-10-20T19:00:59Z) - Predicting Future Occupancy Grids in Dynamic Environment with
Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。
現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。
我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文 参考訳(メタデータ) (2022-05-06T13:45:32Z) - Forex Trading Volatility Prediction using Neural Network Models [6.09960572440709]
本研究では,日々のボラティリティに関する経験的パターンのガイダンスを用いて,ディープラーニングネットワークの構築方法について述べる。
数値計算の結果,多値ペアの入力によるマルチスケール長短期メモリ(LSTM)モデルが常に最先端の精度を実現していることがわかった。
論文 参考訳(メタデータ) (2021-12-02T12:33:12Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳(メタデータ) (2020-12-10T01:15:48Z) - Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction
with Representation Learning and Temporal Convolutional Network [71.25144476293507]
我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。
表現学習によって、私たちはStock2Vecという埋め込みを導きました。
我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
論文 参考訳(メタデータ) (2020-09-29T22:54:30Z) - Deep Stock Predictions [58.720142291102135]
本稿では,Long Short Term Memory (LSTM) ニューラルネットワークを用いてポートフォリオ最適化を行うトレーディング戦略の設計について考察する。
次に、LSTMのトレーニングに使用する損失関数をカスタマイズし、利益を上げる。
カスタマイズされた損失関数を持つLSTMモデルは、ARIMAのような回帰ベースライン上でのトレーニングボットの性能を向上させる。
論文 参考訳(メタデータ) (2020-06-08T23:37:47Z) - A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding [69.37299910149981]
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。
本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
論文 参考訳(メタデータ) (2020-04-13T13:50:13Z)
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。