Advanced LSTM Neural Networks for Predicting Directional Changes in Sector-Specific ETFs Using Machine Learning Techniques

要約

株式の取引や投資がフルタイムの仕事である人もいれば、単なる副収入源である人もいます。
すべての投資家に共通するのは、利益を上げたいという願望です。
この目標を達成するための鍵は多様化です。
収益性を高め、利益を最大化するには、セクター間で投資を分散することが重要です。
この研究は、ポートフォリオの収益を最大化するための分散の原則を実践する際の機械学習手法の実現可能性を評価することを目的としています。
これを検証するために、この研究では、バンガードのセクターベースのETFを使用して、9つの異なるセクターと2,200以上の銘柄にわたる長期短期記憶（LSTM）モデルを評価しました。
すべてのセクターの R 二乗値は有望な結果を示し、VNQ ETF の平均は 0.8651、最高値は 0.942 でした。
これらの調査結果は、LSTM モデルがさまざまな業界セクターにわたる方向性の変化を正確に予測するための有能かつ実行可能なモデルであり、投資家のポートフォリオの多様化と成長を支援することを示唆しています。

要約(オリジナル)

Trading and investing in stocks for some is their full-time career, while for others, it’s simply a supplementary income stream. Universal among all investors is the desire to turn a profit. The key to achieving this goal is diversification. Spreading investments across sectors is critical to profitability and maximizing returns. This study aims to gauge the viability of machine learning methods in practicing the principle of diversification to maximize portfolio returns. To test this, the study evaluates the Long-Short Term Memory (LSTM) model across nine different sectors and over 2,200 stocks using Vanguard’s sector-based ETFs. The R-squared value across all sectors showed promising results, with an average of 0.8651 and a high of 0.942 for the VNQ ETF. These findings suggest that the LSTM model is a capable and viable model for accurately predicting directional changes across various industry sectors, helping investors diversify and grow their portfolios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google