論文の概要: Spatio-Temporal Momentum: Jointly Learning Time-Series and
Cross-Sectional Strategies
- arxiv url: http://arxiv.org/abs/2302.10175v1
- Date: Mon, 20 Feb 2023 18:59:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 14:31:31.647621
- Title: Spatio-Temporal Momentum: Jointly Learning Time-Series and
Cross-Sectional Strategies
- Title（参考訳）: Spatio-Temporal Momentum: 時系列と横断戦略を共同学習する
- Authors: Wee Ling Tan, Stephen Roberts, Stefan Zohren
- Abstract要約: 我々は, 時間的・時間的モーメント戦略を導入し, 時間とともにその断続的なモーメント特性に基づいて, 取引資産による時間的・断続的なモーメント戦略を統一する。
このモデルでは,高トランザクションコストの存在下で,ベンチマークよりもパフォーマンスを維持可能であることを実証する。
特に、最小限の縮小とターンオーバー正規化と組み合わせた場合、さまざまなトランザクションコストシナリオに対して最高のパフォーマンスが得られることが判明した。
- 参考スコア（独自算出の注目度）: 3.351714665243138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Spatio-Temporal Momentum strategies, a class of models that
unify both time-series and cross-sectional momentum strategies by trading
assets based on their cross-sectional momentum features over time. While both
time-series and cross-sectional momentum strategies are designed to
systematically capture momentum risk premia, these strategies are regarded as
distinct implementations and do not consider the concurrent relationship and
predictability between temporal and cross-sectional momentum features of
different assets. We model spatio-temporal momentum with neural networks of
varying complexities and demonstrate that a simple neural network with only a
single fully connected layer learns to simultaneously generate trading signals
for all assets in a portfolio by incorporating both their time-series and
cross-sectional momentum features. Backtesting on portfolios of 46
actively-traded US equities and 12 equity index futures contracts, we
demonstrate that the model is able to retain its performance over benchmarks in
the presence of high transaction costs of up to 5-10 basis points. In
particular, we find that the model when coupled with least absolute shrinkage
and turnover regularization results in the best performance over various
transaction cost scenarios.
- Abstract（参考訳）: 本稿では,時間的・時間的モーメント的特徴に基づく取引資産による時系列的・横断的なモーメント的戦略を統一するモデルである時空間的モーメント的戦略を紹介する。
時系列および断面運動量戦略は、組織的に運動量リスクの前兆を捉えるように設計されているが、これらの戦略は明確な実装と見なされており、異なる資産の時間的および横断的運動量特徴の同時関係と予測可能性を考慮していない。
複雑度の異なるニューラルネットワークを用いて時空間モーメントをモデル化し、単一の完全連結層のみを持つ単純なニューラルネットワークが、ポートフォリオ内のすべての資産のトレーディング信号を同時に生成することを学習することを示す。
46株のアクティブトレーディングと12株指数先物取引のポートフォリオをバックテストし、最大5-10ベーシックポイントの高取引コストでベンチマークを上回るパフォーマンスを維持することを実証した。
特に、最小の絶対的な収縮とターンオーバの正規化と組み合わせたモデルが、様々なトランザクションコストシナリオに対して最高のパフォーマンスをもたらすことが分かりました。
関連論文リスト
- BreakGPT: Leveraging Large Language Models for Predicting Asset Price Surges [55.2480439325792]
本稿では,時系列予測や資産価格の急上昇の予測に特化して,新たな大規模言語モデル(LLM)アーキテクチャであるBreakGPTを紹介する。
我々は、最小限のトレーニングで財務予測を行うための有望なソリューションとしてBreakGPTを紹介し、局所的およびグローバルな時間的依存関係をキャプチャする強力な競合相手として紹介する。
論文 参考訳（メタデータ） (2024-11-09T05:40:32Z) - Multi-relational Graph Diffusion Neural Network with Parallel Retention
for Stock Trends Classification [6.383640665055313]
本稿では,複数株の今後の動きを予測することを目的としたグラフベース表現学習手法を提案する。
当社のアプローチは、7年にわたる3回の試行期間における次のトレーディングデイの株価トレンドを予想する上で、常に最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2024-01-05T17:15:45Z) - A Decoupled Spatio-Temporal Framework for Skeleton-based Action
Segmentation [89.86345494602642]
既存の手法は、弱い時間的モデリング能力に制限されている。
この問題に対処するために、Decoupled Scoupled Framework (DeST)を提案する。
DeSTは計算量が少なく、現在の最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2023-12-10T09:11:39Z) - Network Momentum across Asset Classes [14.049479722250835]
資産間のモーメント・スルーオーバーから導かれる新しい取引信号であるネットワーク・モーメントの概念を考察する。
我々は,2000年から2022年にかけて,シャープ比1.5,ボラティリティスケーリング後の年率22%を示すネットワークモーメント戦略を構築した。
論文 参考訳（メタデータ） (2023-08-22T09:15:43Z) - Copula Variational LSTM for High-dimensional Cross-market Multivariate
Dependence Modeling [46.75628526959982]
我々は、変分連続ニューラルネットワークとコプラに基づく依存モデルを統合するための最初の試みを行う。
我々の変分ニューラルネットワークWPVC-VLSTMは時系列の連続的依存度と構造をモデル化する。
これは、線形モデル、ボラティリティモデル、ディープニューラルネットワーク、市場横断ポートフォリオ予測における変動リカレントネットワークなど、ベンチマークを上回っている。
論文 参考訳（メタデータ） (2023-05-09T08:19:08Z) - Predicting the State of Synchronization of Financial Time Series using
Cross Recurrence Plots [75.20174445166997]
本研究では,2つの金融時系列の動的同期の将来の状態を予測する新しい手法を提案する。
我々は,同期状態の予測を方法論的に扱うためのディープラーニングフレームワークを採用する。
2つの時系列の同期状態を予測するタスクは、一般的には難しいが、ある種の在庫は、非常に良好な性能で達成できる。
論文 参考訳（メタデータ） (2022-10-26T10:22:28Z) - Trading with the Momentum Transformer: An Intelligent and Interpretable
Architecture [2.580765958706854]
我々は、ベンチマークを上回るアテンションベースのアーキテクチャであるMomentum Transformerを紹介した。
注意パターンの顕著な構造を観察し,運動量回転点における重要なピークを観測した。
解釈可能な変数選択ネットワークを追加することで、PDは日々のリターンデータに基づいて、モデルがトレーディングから遠ざけるのにどう役立つかを観察する。
論文 参考訳（メタデータ） (2021-12-16T00:04:12Z) - Deep Learning Statistical Arbitrage [0.0]
本稿では,統計的仲裁のための統一的な概念枠組みを提案し,新しいディープラーニングソリューションを開発した。
我々は、条件付き遅延資産価格要素から残余ポートフォリオとして類似資産の仲裁ポートフォリオを構築する。
我々は、これらの残余ポートフォリオの時系列信号を、最も強力な機械学習時系列ソリューションの1つを用いて抽出する。
論文 参考訳（メタデータ） (2021-06-08T00:48:25Z) - 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) - Supporting Optimal Phase Space Reconstructions Using Neural Network
Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。
私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文 参考訳（メタデータ） (2020-06-19T21:04:47Z) - Structural clustering of volatility regimes for dynamic trading
strategies [4.129225533930966]
我々は,非教師なし学習をそのボラティリティ構造に適用することにより,非定常金融時系列におけるボラティリティ体制の数を求める新しい手法を開発した。
時系列の現在の分布と過去の状態との最適な一致を学習するダイナミックトレーディング戦略を作成し,検証する。
論文 参考訳（メタデータ） (2020-04-21T12:54:23Z)
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。