Fugu-MT 論文翻訳(概要): Trading Signals In VIX Futures

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

Neuro-Symbolic Traders: Assessing the Wisdom of AI Crowds in Markets [0.0]
私たちは、深層生成モデルを使用して購入/販売決定を行う仮想トレーダーの形式を開発します。我々の枠組みでは、ニューロシンボリックトレーダーは、視覚言語モデルを使用して資産の基本的価値のモデルを発見するエージェントである。これは過去のデータと比べて価格の抑制につながっており、将来の市場の安定へのリスクを浮き彫りにしている」と述べた。
論文参考訳（メタデータ） (2024-10-18T16:37:52Z)
The Hybrid Forecast of S&P 500 Volatility ensembled from VIX, GARCH and LSTM models [0.0]
本研究では,S&P500のボラティリティ予測の精度を向上させるための4つの方法を検討する。機械学習アプローチ,特にハイブリッドLSTMモデルは,従来のGARCHモデルよりも大幅に優れていることがわかった。この研究結果は、より正確なボラティリティ予測を達成するための貴重な洞察を提供する。
論文参考訳（メタデータ） (2024-07-23T18:28:16Z)
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)
Joint Latent Topic Discovery and Expectation Modeling for Financial Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文参考訳（メタデータ） (2023-06-01T01:36:51Z)
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)
Temporal-Relational Hypergraph Tri-Attention Networks for Stock Trend Prediction [45.74513775015998]
本稿では、エンドツーエンドの株価トレンド予測のための協調的時間関係モデリングフレームワークを提案する。新しいハイパーグラフトリアテンションネットワーク(HGTAN)が提案され,ハイパーグラフ畳み込みネットワークが拡張された。このようにして、HGTANは、在庫間の情報伝達におけるノード、ハイパーエッジ、ハイパーグラフの重要性を適応的に決定する。
論文参考訳（メタデータ） (2021-07-22T02:16:09Z)
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)

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。