Less is more: 基于动态深度神经网络的 AI 决策方法用于短期股票指数预测
交易与市场微观结构
2024-08-22 v1 投资组合管理
摘要
本文引入一种基于深度学习的多智能体方法，用于交易美国 S&P 500 指数的期货合约。该方法（称为模型 A）基于既定的机器学习模型，对市场价格及其相关衍生品进行采样，以决定投资是做多、做空还是平仓（零敞口），基于日常决策。我们将预测结果与一些常规机器学习方法进行比较，包括长短期记忆网络（LSTM）、随机森林和梯度提升树。结果以被动模型为基准，该模型持有期货合约（做多），并保持相同的敞口水平（投资水平）。历史测试基于 2018-2023 年的 6 年日间交易数据进行。我们发现，模型 A 在关键绩效指标上优于被动投资，将其置于美国大型资产活跃基金经理的前四分之一绩效之中。模型 A 也在此期间优于三个机器学习分类比较器。我们观察到，模型 A 极其高效（少做更多地获取），其对市场的敞口仅为 41.95%，而被动投资的市场敞口为 100%，从而以更大的收益率和更低的风险实现盈利。
引用
@article{arxiv.2408.11740,
title = {Less is more: AI Decision-Making using Dynamic Deep Neural Networks for Short-Term Stock Index Prediction},
author = {CJ Finnegan and James F. McCann and Salissou Moutari},
journal= {arXiv preprint arXiv:2408.11740},
year = {2024}
}
备注
12 pages, 5 figures