本論文では、人間の株式トレーダーの分析手法を深層学習モデルでシミュレーションする手法を提案している。
まず、過去600日間の株価データを入力として使用し、次の10日間または20日間で10%以上の上昇または下落があるかどうかを予測するモデルを構築した。この際、Resnetのスキップ接続を活用し、短期的および長期的な株価動向を捉えることを目指した。
次に、モデルの出力である最大のソフトマックス値が一定のしきい値を超えた場合にのみ取引を行うことで、取引の成功確率を高めた。これにより、取引回数を絞り込むことも可能となった。
提案手法を韓国株式市場と米国株式市場のデータで検証したところ、韓国市場では市場収益を75.36%上回り、シャープレシオも1.57と大幅に上回る結果が得られた。一方、米国市場では市場収益を27.17%上回り、シャープレシオも0.61と市場を上回ったものの、AMEXインデックスには及ばなかった。
これらの結果から、提案手法は株式市場の非効率性を利用し、人間の株式トレーダーの分析手法を深層学習モデルでシミュレーションすることで、市場を上回る収益を得られることが示された。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Sungwoo Kang... at arxiv.org 04-09-2024
https://arxiv.org/pdf/2304.14870.pdfDeeper Inquiries