論文の概要: Statistical Arbitrage in Rank Space

• arxiv url: http://arxiv.org/abs/2410.06568v1
• Date: Wed, 9 Oct 2024 06:05:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-01 04:49:21.933963
• Title: Statistical Arbitrage in Rank Space
• Title（参考訳）: ランク空間における統計的アービタージュ
• Authors: Y. -F. Li, G. Papanicolaou,
• Abstract要約: 本稿では, 名前空間上のランク空間における統計的仲裁の優れた性能を示し, 市場表現の頑健さと, ランク空間における残差平均回帰特性の強化を特徴とする。 我々は、名前空間とランク空間の両方におけるニューラルネットワークの統計的仲裁を探索し、ランク空間におけるニューラルネットワークによるポートフォリオが、名前空間においてかなり優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Equity market dynamics are conventionally investigated in name space where stocks are indexed by company names. In contrast, by indexing stocks based on their ranks in capitalization, we gain a different perspective of market dynamics in rank space. Here, we demonstrate the superior performance of statistical arbitrage in rank space over name space, driven by a robust market representation and enhanced mean-reverting properties of residual returns in rank space. Our statistical arbitrage algorithm features an intraday rebalancing mechanism for effective conversion between portfolios in name and rank space. We explore statistical arbitrage with and without neural networks in both name and rank space and show that the portfolios obtained in rank space with neural networks significantly outperform those in name space.
• Abstract（参考訳）: 株式が企業名によってインデックス付けされる名前空間において、伝統的に株式市場の動態を調査している。 対照的に、資本化のランクに基づいて株を索引付けすることで、ランク空間における市場ダイナミクスの異なる視点を得る。 ここでは、ロバストな市場表現と、ランク空間における残留リターンの平均反転特性により駆動される、名前空間上のランク空間における統計的仲裁の優れた性能を示す。 我々の統計仲裁アルゴリズムは、名前とランク空間のポートフォリオ間の効果的な変換のための日内リバランス機構を特徴としている。 我々は、名前空間とランク空間の両方におけるニューラルネットワークの統計的仲裁を探索し、ランク空間におけるニューラルネットワークによるポートフォリオが、名前空間においてかなり優れていることを示す。

関連論文リスト

• ALERTA-Net: A Temporal Distance-Aware Recurrent Networks for Stock Movement and Volatility Prediction [20.574163667057476]
  我々は、株式市場予測の精度を高めるために、世論の豊かな情報源であるソーシャルメディアデータの力を活用している。 我々は、感情分析、マクロ経済指標、検索エンジンデータ、過去の価格をマルチアテンション深層学習モデルに組み込むアプローチを開拓した。 市場の動向とボラティリティの予測のために,私たちによって特別にキュレーションされたデータセットを用いて,提案モデルの最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-28T13:31:39Z)
• Learning List-Level Domain-Invariant Representations for Ranking [59.3544317373004]
  リストレベルのアライメント -- より高いレベルのリストでドメイン不変表現を学習する。 利点は2つある: これは、ランク付けに縛られる最初のドメイン適応の一般化をもたらし、その結果、提案法に対する理論的支援を提供する。
  論文  参考訳（メタデータ） (2022-12-21T04:49:55Z)
• Incorporating Interactive Facts for Stock Selection via Neural Recursive ODEs [30.629948593098273]
  ガウス事前を持つ潜在変数モデルであるStockODEを提案する。 我々は、ストックボラティリティの時間的進化を捉えるために、ニューラル再帰正規微分方程式ネットワーク(NRODE)を設計する。 2つの実世界の株式市場データセットで実施された実験は、StockODEがいくつかのベースラインを大きく上回っていることを示している。
  論文  参考訳（メタデータ） (2022-10-28T06:14:02Z)
• RankSim: Ranking Similarity Regularization for Deep Imbalanced Regression [48.58405556678924]
  RankSimはインダクティブバイアスを符号化し、ラベル空間に近くサンプルが特徴空間に近くなる。 RankSimは従来の不均衡学習手法を補完するものである。
  論文  参考訳（メタデータ） (2022-05-30T16:51:25Z)
• A Style and Semantic Memory Mechanism for Domain Generalization [108.98041306507372]
  ドメイン内スタイルの不変性は、ドメインの一般化の効率を改善する上で重要な要素である。 本稿では,ドメイン間の意味的特徴の共通性を学習する上で特に有効な,新しい「判断」機構を提案する。 提案手法は最先端の手法をクリアマージンで超越している。
  論文  参考訳（メタデータ） (2021-12-14T16:23:24Z)
• Contrastive Vicinal Space for Unsupervised Domain Adaptation [20.161649640842782]
  ビジナル空間における高不確実性事象のエントロピーを最小化するインスタンスワイズミニマックス戦略を提案する。 本手法はPACSの最先端手法より優れている。
  論文  参考訳（メタデータ） (2021-11-26T08:10:33Z)
• Adapting Segmentation Networks to New Domains by Disentangling Latent Representations [14.050836886292869]
  ドメイン適応アプローチは、ラベルを持つソースドメインから取得した知識を関連するラベルを持つターゲットドメインに転送する役割を担っている。 本稿では,教師付きトレーニングと比較して適応戦略の相対的有効性を捉えるための新しい性能指標を提案する。
  論文  参考訳（メタデータ） (2021-08-06T09:43:07Z)
• 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)
• Re-energizing Domain Discriminator with Sample Relabeling for Adversarial Domain Adaptation [88.86865069583149]
  Unsupervised Domain Adapt (UDA)メソッドは、ドメインの競合トレーニングを利用して、機能を調整してドメインのギャップを減らす。 本研究では,Re-enforceable Adversarial Domain Adaptation (RADA) と呼ばれる効率的な最適化戦略を提案する。 RADAは、動的ドメインラベルを使用して、トレーニング中にドメイン識別器を再活性化することを目指しています。
  論文  参考訳（メタデータ） (2021-03-22T08:32:55Z)
• 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)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

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。