論文の概要: Application of supervised learning models in the Chinese futures market
- arxiv url: http://arxiv.org/abs/2303.04581v1
- Date: Wed, 8 Mar 2023 13:56:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 13:54:47.168724
- Title: Application of supervised learning models in the Chinese futures market
- Title(参考訳): 中国未来市場における教師付き学習モデルの応用
- Authors: Fuquan Tang
- Abstract要約: 本稿では,先物価格の傾向を予測するための教師付き学習モデルを構築し,その予測結果に基づいてトレーディング戦略を設計する。
分類問題の精度,リコール,F1スコアは,今後の価格変動の分類の精度要件を満たすことを示唆している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Based on the characteristics of the Chinese futures market, this paper builds
a supervised learning model to predict the trend of futures prices and then
designs a trading strategy based on the prediction results. The Precision,
Recall and F1-score of the classification problem show that our model can meet
the accuracy requirements for the classification of futures price movements in
terms of test data. The backtest results show that our trading system has an
upward trending return curve with low capital retracement.
- Abstract(参考訳): 中国先物市場の特徴に基づいて,先物価格の傾向を予測し,予測結果に基づいて取引戦略を設計するための教師付き学習モデルを構築した。
分類問題の精度、リコール、F1スコアは、テストデータの観点から将来の価格変動の分類の精度要件を満たすことができることを示している。
バックテストの結果から,私たちのトレーディングシステムは,資本残高の低い上昇傾向のリターン曲線を有することが示された。
関連論文リスト
- 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) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-06-05T12:58:13Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - 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) - Machine learning method for return direction forecasting of Exchange
Traded Funds using classification and regression models [0.0]
本稿では、ETF(Exchange Traded Funds)からのリターンの方向分析のための機械学習手法の提案と適用を目的とする。
ブラジルとアメリカの市場の標準データセットを使用して、回帰モデルと分類モデルを適用した。
リスクとリターンの面では、主にコントロールメトリクスよりもパフォーマンスが優れています。
論文 参考訳(メタデータ) (2022-05-25T12:54:46Z) - 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) - Machine Learning Classification Methods and Portfolio Allocation: An
Examination of Market Efficiency [3.3343612552681945]
我々は,OOS(Out-of-sample)予測可能性を通じて市場効率を評価する新しい枠組みを設計する。
我々は、資産価格問題を機械学習の分類問題とみなし、返却状態を予測するための分類モデルを構築した。
予測に基づくポートフォリオは、OOS経済の大幅な伸びで市場を圧倒した。
論文 参考訳(メタデータ) (2021-08-04T20:48:27Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳(メタデータ) (2021-06-08T14:48:20Z) - Profitability Analysis in Stock Investment Using an LSTM-Based Deep
Learning Model [1.2891210250935146]
長期記憶ネットワーク(LSTM)ネットワーク上に構築した深層学習に基づく回帰モデルを提案する。
特定の開始日と終了日について、株式のティッカー名に基づいて過去の株価を抽出し、将来の株価を予測する。
インド株式市場の15の重要セクターから選ばれた75の重要銘柄にモデルを配置する。
論文 参考訳(メタデータ) (2021-04-06T11:09:51Z) - Financial Markets Prediction with Deep Learning [11.26482563151052]
金融市場の動きを予測する新しい1次元畳み込みニューラルネットワーク(CNN)モデルを提案する。
カスタマイズされた1次元畳み込み層は、時間を通じて金融取引データをスキャンし、価格やボリュームなどの異なる種類のデータ、共有パラメータ(カーネル)を互いに共有する。
我々のモデルは従来の技術指標の代わりに自動的に特徴を抽出する。
論文 参考訳(メタデータ) (2021-04-05T19:36:48Z) - REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。
第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。
第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
論文 参考訳(メタデータ) (2021-02-15T07:22:09Z)
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。