Deep Stock: training and trading scheme using deep learning

要約

タイトル：深層学習を使用したトレーニングとトレーディングスキームのDeep Stock

要約：

– 証券市場における効率的市場仮説にも関わらず、多くの研究が市場の非効率性を示し、アルファと呼ばれる市場超過利益を得るための技術の開発につながっている。
– 深層学習は、市場の行動を分析し予測するための強力なツールとして現れ、システマティック・トレーディングは近年重要な進展を遂げている。
– 本論文では、過去600日の株価を参照し、次のD日以内に株価が一定割合上昇または下落するか予測するプロトレーダーにインスパイアされたモデル「DeepStock」を提案する。
– DeepStockは、Resnetのスキップ接続とロジットを使用してモデルの確率をトレーディングスキームに利用する。
– 韓国と米国の株式市場でモデルをテストし、韓国市場でN\%の利益を得て、市場のリターンよりM\%高い利益を、米国市場でA\%の利益を得て市場のリターンよりB\%高い利益を得た。

要約(オリジナル)

Despite the efficient market hypothesis, many studies suggest the existence of inefficiencies in the stock market, leading to the development of techniques to gain above-market returns, known as alpha. Systematic trading has undergone significant advances in recent decades, with deep learning emerging as a powerful tool for analyzing and predicting market behavior. In this paper, we propose a model inspired by professional traders that look at stock prices of the previous 600 days and predicts whether the stock price rises or falls by a certain percentage within the next D days. Our model, called DeepStock, uses Resnet’s skip connections and logits to increase the probability of a model in a trading scheme. We test our model on both the Korean and US stock markets and achieve a profit of N\% on Korea market, which is M\% above the market return, and profit of A\% on US market, which is B\% above the market return.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI