Transfer Ranking in Finance: Applications to Cross-Sectional Momentum with Data Scarcity

要約

クロスセクション戦略は、洗練されたニューラル アーキテクチャを組み込んだ最近の高パフォーマンスの亜種で、古典的で人気のある取引スタイルです。
これらの戦略は、長い歴史を持つ成熟したアセットを含むデータが豊富な設定にうまく適用されていますが、サンプルが限られている機器にそれらを展開すると、一般にパフォーマンスが低下した過適合モデルが生成されます。
このホワイト ペーパーでは、Fused Encoder Networks を紹介します。これは、新しいハイブリッド パラメータ共有転送ランキング モデルです。
このモデルは、ソース データセットに対して操作されるエンコーダー アテンション モジュールを使用して抽出された情報を、対象となるより小さなターゲット データセットに焦点を当てた、類似しているが別のモジュールと融合します。
これにより、不十分なターゲット データでのトレーニングの結果である、一般化が困難なモデルの問題が軽減されます。
さらに、自己注意メカニズムにより、モデルのトレーニング中の損失レベルだけでなく、推論時にも、機器間の相互作用を考慮することができます。
実例となるユースケースとして、時価総額でトップ 10 の暗号通貨に適用されるモメンタムに焦点を当てると、Fused Encoder Networks は、ほとんどのパフォーマンス測定でリファレンス ベンチマークを上回り、従来のモメンタムに比べてシャープ レシオが 3 倍に向上し、改善も実現します。
取引コストのない最良のベンチマーク モデルに対して約 50% です。
暗号通貨の取引に伴う高い取引コストを考慮した後でも、ベースラインを上回り続けています。

要約(オリジナル)

Cross-sectional strategies are a classical and popular trading style, with recent high performing variants incorporating sophisticated neural architectures. While these strategies have been applied successfully to data-rich settings involving mature assets with long histories, deploying them on instruments with limited samples generally produce over-fitted models with degraded performance. In this paper, we introduce Fused Encoder Networks — a novel and hybrid parameter-sharing transfer ranking model. The model fuses information extracted using an encoder-attention module operated on a source dataset with a similar but separate module focused on a smaller target dataset of interest. This mitigates the issue of models with poor generalisability that are a consequence of training on scarce target data. Additionally, the self-attention mechanism enables interactions among instruments to be accounted for, not just at the loss level during model training, but also at inference time. Focusing on momentum applied to the top ten cryptocurrencies by market capitalisation as a demonstrative use-case, the Fused Encoder Networks outperforms the reference benchmarks on most performance measures, delivering a three-fold boost in the Sharpe ratio over classical momentum as well as an improvement of approximately 50% against the best benchmark model without transaction costs. It continues outperforming baselines even after accounting for the high transaction costs associated with trading cryptocurrencies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google