利用玻尔兹曼机与生成对抗网络提升交易策略回测的鲁棒性
机器学习
2020-07-10 v1 投资组合管理
统计金融
机器学习
摘要
本文探讨了利用机器学习模型构建市场生成器的方法。其基本思想是模拟人工多维金融时间序列，其统计特性与金融市场中观测到的相同。特别地，这些合成数据必须保持资产收益的概率分布、不同资产之间的随机依赖关系以及跨时间自相关性。随后，本文提出了一种估计回测统计量概率分布的新方法。最终目标是开发一个框架，以改善量化投资策略的风险管理，特别是在 smart beta、因子投资与另类风险溢价领域。
引用
@article{arxiv.2007.04838,
title = {Improving the Robustness of Trading Strategy Backtesting with Boltzmann Machines and Generative Adversarial Networks},
author = {Edmond Lezmi and Jules Roche and Thierry Roncalli and Jiali Xu},
journal= {arXiv preprint arXiv:2007.04838},
year = {2020}
}
备注
72 pages, 30 figures