論文の概要: Constraint-Based Inference of Heuristics for Foreign Exchange Trade Model Optimization

• arxiv url: http://arxiv.org/abs/2105.14194v1
• Date: Tue, 11 May 2021 00:36:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 11:26:55.125981
• Title: Constraint-Based Inference of Heuristics for Foreign Exchange Trade Model Optimization
• Title（参考訳）: 対外貿易モデル最適化のための制約に基づくヒューリスティックスの推論
• Authors: Nikolay Ivanov and Qiben Yan
• Abstract要約: 我々は,高いレートの取引信号を持つ2つのデータセットを開発する。 3つの低マージン機器と6つのOHLC粒度の10年間のForex価格データの機械学習シミュレーションを行う。 その結果,各計器粒度対に最も最適な貿易パラメータの具体的かつ再現可能なリストを作成した。
• 参考スコア（独自算出の注目度）: 13.26093613374959
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Foreign Exchange (Forex) is a large decentralized market, on which trading analysis and algorithmic trading are popular. Research efforts have been focusing on proof of efficiency of certain technical indicators. We demonstrate, however, that the values of indicator functions are not reproducible and often reduce the number of trade opportunities, compared to price-action trading. In this work, we develop two dataset-agnostic Forex trading heuristic templates with high rate of trading signals. In order to determine most optimal parameters for the given heuristic prototypes, we perform a machine learning simulation of 10 years of Forex price data over three low-margin instruments and 6 different OHLC granularities. As a result, we develop a specific and reproducible list of most optimal trade parameters found for each instrument-granularity pair, with 118 pips of average daily profit for the optimized configuration.
• Abstract（参考訳）: 外国為替(Forex)は大規模な分散市場であり、取引分析とアルゴリズム取引が人気である。 研究は特定の技術指標の効率性の証明に重点を置いている。 しかしながら,指標関数の値は再現可能ではなく,価格取引に比べて貿易機会の数を少なくすることが多いことを実証する。 本研究では,高いトレーディング信号率を持つ2つのデータセット非依存なforexトレーディングヒューリスティックテンプレートを開発した。 与えられたヒューリスティックプロトタイプの最適パラメータを決定するため、3つの低マージン機器と6つのOHLC粒度に対して10年間のForex価格データの機械学習シミュレーションを行った。 その結果,各機器と粒度の組み合わせごとに最も最適な貿易パラメータの具体的かつ再現可能なリストが開発され,最適化された構成の日平均利益は118ペップであった。

関連論文リスト

• Cross-border Commodity Pricing Strategy Optimization via Mixed Neural Network for Time Series Analysis [46.26988706979189]
  クロスボーダー商品の価格設定は、企業の競争力と市場シェアを決定する。 時系列データは商品価格において非常に重要であり、市場のダイナミクスやトレンドを明らかにすることができる。 本稿では,ハイブリッドニューラルネットワークモデルCNN-BiGRU-SSAに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-22T03:59:52Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• MOT: A Mixture of Actors Reinforcement Learning Method by Optimal Transport for Algorithmic Trading [6.305870529904885]
  マーケットの異なるパターンをモデル化するために,複数のアクターを非交叉表現学習で設計するMOTを提案する。 将来の市場データによる実験結果から,MOTはリスクのバランスを保ちながら優れた収益性を示すことが示された。
  論文  参考訳（メタデータ） (2024-06-03T01:42:52Z)
• A Deep Reinforcement Learning Approach for Trading Optimization in the Forex Market with Multi-Agent Asynchronous Distribution [0.0]
  この研究は、最先端の非同期アドバンテージ・アクター・クリティカル(A3C)アルゴリズムを用いたマルチエージェント(MA)RLフレームワークの適用を先導する。 ロックとロックなしの2つの異なるA3Cが提案され、単一通貨とマルチ通貨で訓練された。 以上の結果から,両モデルが近似政策最適化モデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-05-30T12:07:08Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Combining Deep Learning on Order Books with Reinforcement Learning for Profitable Trading [0.0]
  本研究は,注文フローを用いた複数地平線におけるリターン予測と,5つの金融機器を対象とした3つの時間差不均衡学習モデルを訓練することに焦点を当てる。 この結果は潜在的な可能性を証明しているが、小売取引コスト、滑り込み、スプレッド・揺らぎを完全に処理するためには、一貫した黒字取引のためのさらなる最小限の修正が必要である。
  論文  参考訳（メタデータ） (2023-10-24T15:58:58Z)
• 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)
• Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
  本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。 本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
  論文  参考訳（メタデータ） (2021-01-28T05:52:18Z)
• GA-MSSR: Genetic Algorithm Maximizing Sharpe and Sterling Ratio Method for RoboTrading [0.4568777157687961]
  外国為替は世界最大の金融市場である。 ほとんどの文献は、歴史的価格情報と技術指標を訓練に用いた。 この問題に対処するため,我々は,技術指標と取引規則から派生した取引規則の特徴を設計した。
  論文  参考訳（メタデータ） (2020-08-16T05:33:35Z)
• 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)

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。