利用深度学习预测不确定性进行高频欧洲美元期货交易的头寸规模配置

在这项工作中，我们展示了从深度学习模型中获得的预测不确定性估计可作为有用的输入，用于影响风险资本在各笔交易间的相对配置。就此而言，对不确定性的考量十分重要，因为它允许以原则性且数据驱动的方式跨交易机会缩放投资规模。我们以一个预测模型展示了这一洞见，并基于夏普比率指标发现其相对于未考虑不确定性或采用替代性市场统计作为不确定性代理的交易策略具有明显优异表现。我们的另一新颖之处在于对2018年每个交易日的欧洲美元期货限价订单簿顶层高频数据进行建模，从而预测小时间尺度上的利率曲线变化。我们研究这些广受交易的利率衍生品市场的动机在于其深厚且流动性强，并有助于全球金融的有效运转——尽管学术文献中对其建模相对匮乏。因此，我们验证了在该复杂且多维的资产价格空间中，预测模型与不确定性估计对交易应用的效用。