DMS、AE、DAA：自适应时间序列模型选择、集成与金融评估的方法及应用
应用统计
2022-07-06 v3 计量经济学
统计金融
机器学习
其他统计学
摘要
我们提出三种自适应时间序列学习方法，称为动态模型选择（Dynamic Model Selection, DMS）、自适应集成（Adaptive Ensemble, AE）和动态资产配置（Dynamic Asset Allocation, DAA）。这些方法分别处理金融时间序列中的模型选择、集成与情境化评估。实证上，我们利用这些方法预测美国市场中四个关键指数的收益，并融合来自 VIX 与收益率曲线的信息。我们给出了学习结果的金融应用，包括全自动化投资组合与动态对冲策略。在从 2015 年第四季度至 2021 年底的测试期内，这些策略显著优于仅做多基准。学习方法的关鍵输出在 2020 年市场崩盘期间得到了解释。
引用
@article{arxiv.2110.11156,
title = {DMS, AE, DAA: methods and applications of adaptive time series model selection, ensemble, and financial evaluation},
author = {Parley Ruogu Yang and Ryan Lucas},
journal= {arXiv preprint arXiv:2110.11156},
year = {2022}
}
备注
Key words: Time series, model selection, model evaluation, cross-asset strategy, market crash, VIX