論文の概要: AlphaX: An AI-Based Value Investing Strategy for the Brazilian Stock Market

• arxiv url: http://arxiv.org/abs/2508.13429v1
• Date: Tue, 19 Aug 2025 01:04:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.754915
• Title: AlphaX: An AI-Based Value Investing Strategy for the Brazilian Stock Market
• Title（参考訳）: AlphaX:ブラジル株式市場のAIベースの価値投資戦略
• Authors: Paulo André Lima de Castro,
• Abstract要約: 我々は、古典的な投資パラダイムである価値投資にインスパイアされたAIベースの戦略を提案する。 金融AIモデルは、生のトレーディング条件と比較してバックテストのパフォーマンスを著しく向上させる、バイアスやその他の形式のバイアスに非常に影響を受けやすい。 以上の結果から,提案手法はブラジルの主要市場ベンチマークより優れていたことが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous trading strategies have been a subject of research within the field of artificial intelligence (AI) for aconsiderable period. Various AI techniques have been explored to develop autonomous agents capable of trading financial assets. These approaches encompass traditional methods such as neural networks, fuzzy logic, and reinforcement learning, as well as more recent advancements, including deep neural networks and deep reinforcement learning. Many developers report success in creating strategies that exhibit strong performance during simulations using historical price data, a process commonly referred to as backtesting. However, when these strategies are deployed in real markets, their performance often deteriorates, particularly in terms of risk-adjusted returns. In this study, we propose an AI-based strategy inspired by a classical investment paradigm: Value Investing. Financial AI models are highly susceptible to lookahead bias and other forms of bias that can significantly inflate performance in backtesting compared to live trading conditions. To address this issue, we conducted a series of computational simulations while controlling for these biases, thereby reducing the risk of overfitting. Our results indicate that the proposed approach outperforms major Brazilian market benchmarks. Moreover, the strategy, named AlphaX, demonstrated superior performance relative to widely used technical indicators such as the Relative Strength Index (RSI) and Money Flow Index (MFI), with statistically significant results. Finally, we discuss several open challenges and highlight emerging technologies in qualitative analysis that may contribute to the development of a comprehensive AI-based Value Investing framework in the future
• Abstract（参考訳）: 自律的な貿易戦略は、人工知能(AI)分野において、思いがけない期間の研究の対象となっている。 金融資産を取引できる自律エージェントを開発するために、さまざまなAI技術が研究されている。 これらのアプローチには、ニューラルネットワーク、ファジィロジック、強化学習といった従来の手法や、ディープニューラルネットワークやディープ強化学習といった最近の進歩が含まれている。 多くの開発者は、過去の価格データを使ってシミュレーション中に強力なパフォーマンスを示す戦略を作成することに成功したと報告している。 しかし、これらの戦略が実際の市場で展開されると、特にリスク調整されたリターンの観点から、パフォーマンスが劣化することが多い。 本研究では,古典的投資パラダイムであるバリュー・インベストメントにインスパイアされたAIベースの戦略を提案する。 金融AIモデルは、生のトレーディング条件と比較してバックテストのパフォーマンスを著しく向上させる、ルックアヘッドバイアスやその他の形式のバイアスに非常に影響を受けやすい。 この問題に対処するため,これらのバイアスを制御しながら一連の計算シミュレーションを行い,オーバーフィッティングのリスクを低減した。 以上の結果から,提案手法はブラジルの主要市場ベンチマークより優れていたことが示唆された。 さらに、AlphaXと呼ばれるこの戦略は、相対強度指標(RSI)やマネーフロー指標(MFI)など、広く使われている技術指標と比較して、統計的に有意な結果が得られた。 最後に、我々はいくつかのオープンな課題について議論し、将来包括的なAIベースの価値投資フレームワークの開発に寄与する可能性のある質的分析における新興技術を強調した。

関連論文リスト

• Anchoring AI Capabilities in Market Valuations: The Capability Realization Rate Model and Valuation Misalignment Risk [2.1142253753427402]
  人工知能の最近の進歩は、AI関連企業の市場評価の急上昇を引き起こしている。 本稿では,AIポテンシャルと実現された性能のギャップを定量化する能力実現率モデルを提案する。 透明性を改善し、投機的バブルを緩和し、AIイノベーションを持続可能な市場価値と整合させる政策推奨で締めくくります。
  論文  参考訳（メタデータ） (2025-05-15T01:06:06Z)
• 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)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• Can Large Language Models Beat Wall Street? Unveiling the Potential of AI in Stock Selection [0.07499722271664146]
  本稿では,GPT-4による金融市場における株式選択の先進的推論を活用する革新的なフレームワークであるMarketSenseAIを紹介する。 MarketSenseAIは、市場動向、ニュース、基礎、マクロ経済要因などさまざまなデータソースを分析し、専門家の投資決定をエミュレートする。 本研究は,金融意思決定における大規模言語モデルの変容の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-01-08T08:58:46Z)
• 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)
• Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
  我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。 実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
  論文  参考訳（メタデータ） (2022-10-22T14:47:11Z)
• 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)
• Qlib: An AI-oriented Quantitative Investment Platform [86.8580406876954]
  AI技術は、量的投資システムに新たな課題を提起した。 Qlibは、その可能性の実現、研究の強化、定量的投資におけるAIテクノロジの価値の創造を目的とする。
  論文  参考訳（メタデータ） (2020-09-22T12:57:10Z)

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。