論文の概要: A Stock Trading System for a Medium Volatile Asset using Multi Layer
Perceptron
- arxiv url: http://arxiv.org/abs/2201.12286v1
- Date: Mon, 17 Jan 2022 16:08:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-06 11:25:38.603492
- Title: A Stock Trading System for a Medium Volatile Asset using Multi Layer
Perceptron
- Title（参考訳）: 多層パーセプトロンを用いた中揮発性資産の株式取引システム
- Authors: Ivan Letteri, Giuseppe Della Penna, Giovanni De Gasperis, Abeer Dyoub
- Abstract要約: 今後30日間の公開市場における価格予測のために,フィードフォワードディープニューラルネットワーク(DNN)のコアとなるストックトレーディングシステムを提案する。
結果は、非常に控えめな100ドルの予算からわずか1ヶ月で3.2%の総利益率をもたらすことを約束していた。
- 参考スコア（独自算出の注目度）: 0.6882042556551609
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stock market forecasting is a lucrative field of interest with promising
profits but not without its difficulties and for some people could be even
causes of failure. Financial markets by their nature are complex, non-linear
and chaotic, which implies that accurately predicting the prices of assets that
are part of it becomes very complicated. In this paper we propose a stock
trading system having as main core the feed-forward deep neural networks (DNN)
to predict the price for the next 30 days of open market, of the shares issued
by Abercrombie & Fitch Co. (ANF) in the stock market of the New York Stock
Exchange (NYSE).
The system we have elaborated calculates the most effective technical
indicator, applying it to the predictions computed by the DNNs, for generating
trades. The results showed an increase in values such as Expectancy Ratio of
2.112% of profitable trades with Sharpe, Sortino, and Calmar Ratios of 2.194,
3.340, and 12.403 respectively. As a verification, we adopted a backtracking
simulation module in our system, which maps trades to actual test data
consisting of the last 30 days of open market on the ANF asset. Overall, the
results were promising bringing a total profit factor of 3.2% in just one month
from a very modest budget of $100. This was possible because the system reduced
the number of trades by choosing the most effective and efficient trades,
saving on commissions and slippage costs.
- Abstract（参考訳）: 株式市場の予測は有望な利益をもたらす利益の分野であるが、その困難がなければ、一部の人々にとっては失敗の原因になるかもしれない。
その性質による金融市場は複雑で非線形であり、混乱しているため、その一部である資産の価格を正確に予測することが非常に複雑になる。
本稿では,ニューヨーク証券取引所 (nyse) の株式市場において, abercrombie & fitch co. (anf) が発行する株価のうち,次の30日間の公開市場価格を予測するために,フィードフォワードディープニューラルネットワーク (dnn) を主要コアとする株式取引システムを提案する。
私たちが精査したシステムは、DNNが計算した予測に適用して、最も効果的な技術指標を計算し、取引を生成する。
その結果、シャープ、ソーティーノ、カルダー比の2.194、3.340、12.403との利益率の2.112%の期待値が上昇した。
本システムでは,過去30日間の公開市場における取引データと実際のテストデータとをマッピングするバックトラックシミュレーションモジュールを,本システムに導入した。
全体としては、わずか1ヶ月で100ドルという控えめな予算から全体の利益率を3.2%と約束していた。
これは、最も効果的で効率的な取引を選択し、手数料と滑走費用を節約することで、取引の数を削減できた。
関連論文リスト
- Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳（メタデータ） (2023-10-02T12:33:28Z) - 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) - Using a Deep Learning Model to Simulate Human Stock Trader's Methods of Chart Analysis [0.276240219662896]
提案手法は、過去600日間の株価に注目し、次のD日で株価が10%上昇するか、20%下落するかを予測する。
提案手法を用いて、シャープ比1.57の75.36%を返却し、それぞれ36%、0.61を上回った。
米国市場ではシャープ比0.61で27.17%のリターンを与え、NASDAQ、S&P500、DOW JONESの指数をそれぞれ17.69%、0.27で上回っている。
論文 参考訳（メタデータ） (2023-04-28T14:27:18Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。
ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。
洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
論文 参考訳（メタデータ） (2022-12-02T15:03:35Z) - Quantum computational finance: martingale asset pricing for incomplete
markets [69.73491758935712]
金融の価格問題に様々な量子技術を適用することができることを示す。
従来の研究と異なる3つの方法について議論する。
論文 参考訳（メタデータ） (2022-09-19T09:22:01Z) - Implementation of a Type-2 Fuzzy Logic Based Prediction System for the
Nigerian Stock Exchange [0.0]
本研究は,Fuzzy Logic Type2を用いた株式市場の予測システムを開発することを目的とする。
この研究のために、合計4つの異なる技術指標が選ばれた。
ファジィ・システムは三角形およびガウス的構成規則を用いて、低、中、高にファジィ化される。
論文 参考訳（メタデータ） (2022-02-04T12:41:04Z) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳（メタデータ） (2021-09-14T18:50:38Z) - Trader-Company Method: A Metaheuristic for Interpretable Stock Price
Prediction [3.9189409002585562]
金融市場では、機械学習ベースのモデルの実践的応用を妨げるいくつかの課題がある。
本稿では,金融機関とトレーダーの役割を模倣する新たな進化モデルであるTrader-Company法を提案する。
トレーダーと呼ばれる複数の弱い学習者からの提案を集約し、将来の株式リターンを予測します。
論文 参考訳（メタデータ） (2020-12-18T13:19:27Z) - 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)
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。