用于股票收益预测与投资组合交易的循环神经网络进化神经架构搜索
投资组合管理
2024-10-23 v1 人工智能
计算工程、金融与科学
机器学习
摘要
股票收益预测是众多金融应用中的一个主要组成部分。预测的股票收益可以纳入投资组合交易算法，以做出明智的买入或卖出决策，从而优化收益。在此类投资组合交易应用中，时间序列预测模型的预测性能至关重要。在这项工作中，我们提出使用进化增强记忆模型探索（EXAMM）算法来逐步进化用于股票收益预测的循环神经网络（RNN）。为每只股票独立进化RNN，并根据预测的股票收益做出投资组合交易决策。用于测试的投资组合由道琼斯指数（DJI）中的30家公司组成，每只股票权重相同。结果表明，使用这些进化的RNN和简单的每日多空策略，可以在2022年（熊市）和2023年（牛市）产生高于道琼斯指数和标普500指数的收益。
引用
@article{arxiv.2410.17212,
title = {Neuroevolution Neural Architecture Search for Evolving RNNs in Stock Return Prediction and Portfolio Trading},
author = {Zimeng Lyu and Amulya Saxena and Rohaan Nadeem and Hao Zhang and Travis Desell},
journal= {arXiv preprint arXiv:2410.17212},
year = {2024}
}