Fugu-MT 論文翻訳(概要): Algorithmic Trading Strategy Development and Optimisation

論文の概要: Algorithmic Trading Strategy Development and Optimisation

arxiv url: http://arxiv.org/abs/2603.15848v1
Date: Mon, 16 Mar 2026 19:29:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-18 17:42:06.964048
Title: Algorithmic Trading Strategy Development and Optimisation
Title（参考訳）: アルゴリズム取引戦略の開発と最適化
Authors: Owen Nyo Wei Yuan, Victor Tan Jia Xuan, Ong Jun Yao Fabian, Ryan Tan Jun Wei,
Abstract要約: 提案した戦略は、移動平均、運動量、ボラティリティ、FinBERTに基づく感情分析など、さまざまな技術的指標を統合して、全体的な貿易改善を図っている。その結果, 拡張戦略は, 総リターン率, シャープ比, ドローダウン率において, ベースラインモデルよりも有意に優れていた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The report presents with the development and optimisation of an enhanced algorithmic trading strategy through the use of historical S&P 500 market data and earnings call sentiment analysis. The proposed strategy integrates various technical indicators such as moving averages, momentum, volatility, and FinBERT-based sentiment analysis to improve overall trades being taken. The results show that the enhanced strategy significantly outperforms the baseline model in terms of total return, Sharpe ratio, and drawdown amongst other factors. The findings helped demonstrate the relevance and effectiveness of combining technical indicators, sentiment analysis, and computational optimisation in algorithmic trading systems.
Abstract（参考訳）: 本報告では、歴史的S&P500市場データと決算報告の感情分析を用いて、アルゴリズム取引戦略の強化と最適化について述べる。提案した戦略は、移動平均、運動量、ボラティリティ、FinBERTに基づく感情分析など、さまざまな技術的指標を統合して、全体的な貿易改善を図っている。その結果, 拡張戦略は, 総リターン率, シャープ比, ドローダウン率において, ベースラインモデルよりも有意に優れていた。この結果は、アルゴリズム取引システムにおける技術指標、感情分析、計算最適化の関連性および有効性を示すのに役立った。

関連論文リスト

Strategy Executability in Mathematical Reasoning: Leveraging Human-Model Differences for Effective Guidance [86.46794021499511]
戦略利用と戦略実行可能性の間には、これまで未定のギャップがある。 SSR(Selective Strategy Retrieval)は,実行可能性を明確にモデル化するテストタイムフレームワークである。 SSRは、直接解決、文脈内学習、単一ソースガイダンスよりも信頼性が高く一貫した改善をもたらす。
論文参考訳（メタデータ） (2026-02-26T03:34:23Z)
A comprehensive review and analysis of different modeling approaches for financial index tracking problem [1.9499120576896225]
パッシブ・インベストメント(パッシブ・インベストメント)としても知られるインデックス・トラッキングは、金融市場で大きな注目を集めている。本稿では,指標追跡のために開発された様々なモデリング手法と戦略について概説する。
論文参考訳（メタデータ） (2026-01-07T13:47:55Z)
Plan before Solving: Problem-Aware Strategy Routing for Mathematical Reasoning with LLMs [49.995906301946]
既存の手法は通常、数学的推論を行うためにLLM(Large Language Models)をガイドするための固定戦略を利用する。分析の結果,単一戦略は問題固有の要件に適応できず,有効性と効率性のトレードオフを見落としていることが明らかとなった。本稿では,PRISM(Planning and Routing through Instance-Specific Modeling)を提案する。
論文参考訳（メタデータ） (2025-09-29T07:22:41Z)
Building crypto portfolios with agentic AI [46.348283638884425]
暗号通貨市場の急速な成長は投資家に新たな機会を与えたが、同時に高いボラティリティがもたらされた。本稿では,暗号アロケーションを自律的に構築し,評価するためのマルチエージェントシステムの実用化について述べる。
論文参考訳（メタデータ） (2025-07-11T18:03:51Z)
Dynamic Hedging Strategies in Derivatives Markets with LLM-Driven Sentiment and News Analytics [30.815524322885754]
本稿では,感情分析やニュース分析に大規模言語モデル(LLM)を活用する新たなフレームワークを提案する。このフレームワークは、ヘッジ戦略に対するリアルタイムな調整を可能にし、継続的な感情信号に基づいて位置を調整する。
論文参考訳（メタデータ） (2025-04-05T22:35:06Z)
A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
論文参考訳（メタデータ） (2024-12-18T14:11:15Z)
NEAT Algorithm-based Stock Trading Strategy with Multiple Technical Indicators Resonance [0.8158530638728501]
複数の技術指標を用いた株式取引にNEAT(NeuroEvolution of Augmenting Topologies)アルゴリズムを適用した。当社のアプローチは、収益を最大化し、リスクを回避し、バイアンドホールド戦略を上回ることに重点を置いています。本研究の結果から,NEATモデルはバイヤー・アンド・ホールド戦略と同様のリターンを得たが,リスク露光が低く,安定性が向上した。
論文参考訳（メタデータ） (2024-12-11T05:42:15Z)
Deep Reinforcement Learning for Online Optimal Execution Strategies [49.1574468325115]
本稿では,動的な金融市場における非マルコフ的最適実行戦略の学習に挑戦する。我々は,Deep Deterministic Policy Gradient(DDPG)に基づく新しいアクター批判アルゴリズムを提案する。提案アルゴリズムは最適実行戦略の近似に成功していることを示す。
論文参考訳（メタデータ） (2024-10-17T12:38:08Z)
Statistical arbitrage in multi-pair trading strategy based on graph clustering algorithms in US equities market [0.0]
本研究は,グラフクラスタリングアルゴリズムに基づく統計仲裁の新しい枠組みに基づく効果的な戦略の開発を目指す。この研究は、最適な信号検出とリスク管理のための統合的なアプローチを提供することを目指している。
論文参考訳（メタデータ） (2024-06-15T17:25:32Z)
Learning the Market: Sentiment-Based Ensemble Trading Agents [5.005352154557397]
株価取引のための感情分析と深層強化学習アンサンブルアルゴリズムの統合について検討する。当社のアプローチは、利益があり、堅牢で、リスク最小限の戦略をもたらすことを示しています。
論文参考訳（メタデータ） (2024-02-02T14:34:22Z)
Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
論文参考訳（メタデータ） (2021-01-28T05:52:18Z)

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。