論文の概要: Detecting data-driven robust statistical arbitrage strategies with deep neural networks

• arxiv url: http://arxiv.org/abs/2203.03179v1
• Date: Mon, 7 Mar 2022 07:23:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-08 18:26:59.554992
• Title: Detecting data-driven robust statistical arbitrage strategies with deep neural networks
• Title（参考訳）: ディープニューラルネットワークを用いたデータ駆動型ロバスト統計調停戦略の検出
• Authors: Ariel Neufeld, Julian Sester, Daiying Yin
• Abstract要約: 我々は、金融市場における堅牢な統計的仲裁戦略の特定を可能にする、ディープニューラルネットワークに基づくアプローチを提案する。 本研究では、観測された市場データから導出可能な許容確率尺度のあいまい性セットを構築する方法を提案する。 提案手法の適用性について,50次元においても高い利益率の取引実績を示す実証的研究を行った。
• 参考スコア（独自算出の注目度）: 0.32228025627337864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an approach, based on deep neural networks, that allows identifying robust statistical arbitrage strategies in financial markets. Robust statistical arbitrage strategies refer to self-financing trading strategies that enable profitable trading under model ambiguity. The presented novel methodology does not suffer from the curse of dimensionality nor does it depend on the identification of cointegrated pairs of assets and is therefore applicable even on high-dimensional financial markets or in markets where classical pairs trading approaches fail. Moreover, we provide a method to build an ambiguity set of admissible probability measures that can be derived from observed market data. Thus, the approach can be considered as being model-free and entirely data-driven. We showcase the applicability of our method by providing empirical investigations with highly profitable trading performances even in 50 dimensions, during financial crises, and when the cointegration relationship between asset pairs stops to persist.
• Abstract（参考訳）: 我々は、金融市場における堅牢な統計的仲裁戦略を識別できるディープニューラルネットワークに基づくアプローチを提案する。 ロバストな統計仲裁戦略は、モデルあいまいさの下で利益のある取引を可能にする自己金融取引戦略を指す。 提示された新しい手法は、次元の呪いに苦しめられず、統合された資産のペアの識別に依存しないため、高次元金融市場や古典的なペア取引アプローチが失敗する市場においても適用可能である。 さらに、観測された市場データから導出可能な許容確率尺度のあいまい性セットを構築する方法を提案する。 したがって、このアプローチはモデルフリーであり、データ駆動であると考えることができる。 金融危機時の50次元においても高い利益率の取引実績と資産対の合併関係が持続しなくなった場合においても,実証調査を行うことにより,本手法の適用性を示す。

関連論文リスト

• Reinforcement Learning Framework for Quantitative Trading [0.0]
  個々の証券の潜在的な市場動向をよりよく理解するために、金融指標の有効利用には大きな断絶がある。 本研究は、金融指標を用いた正と負の購買行動を効果的に区別するRLエージェントの能力を高めることにより、これらの複雑さに対処する試みである。
  論文  参考訳（メタデータ） (2024-11-12T06:44:28Z)
• 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)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• Neural networks can detect model-free static arbitrage strategies [5.639904484784127]
  市場が一部を認めると、ニューラルネットワークがモデルのない静的仲裁の機会を検出できることが示される。 本手法は取引証券数の多い金融市場に適用でき、対応する取引戦略のほぼ即時実行が保証される。
  論文  参考訳（メタデータ） (2023-06-19T17:42:40Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• A Hybrid Learning Approach to Detecting Regime Switches in Financial Markets [0.0]
  本稿では,米国金融市場におけるレギュラースイッチ検出のための新しい枠組みを提案する。 クラスタ分析と分類の組み合わせを用いて、公開可能な経済データに基づいて金融市場の体制を同定する。 検出された体制に基づいて2つの取引戦略を構築・評価することで,枠組みの有効性を示す。
  論文  参考訳（メタデータ） (2021-08-05T01:15:19Z)
• Deep Hedging: Learning Risk-Neutral Implied Volatility Dynamics [0.0]
  シミュレーションスポットとオプション価格の経路に対するリスクニュートラル測度学習のための数値的効率的アプローチ 市場ダイナミクスは、リスク中立的措置に従う場合に限り、取引コストがなければ「統計的な仲裁」ができないことを示している。
  論文  参考訳（メタデータ） (2021-03-22T15:38:25Z)
• A deep learning approach to data-driven model-free pricing and to martingale optimal transport [0.0]
  ニューラルネットワークに基づく新規かつ高トラクタブルな教師付き学習手法を紹介します。 マルチンゲール最適輸送問題を解決するためにニューラルネットワークを訓練する方法を示す。
  論文  参考訳（メタデータ） (2021-03-21T16:39:27Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。