Neuroevolution Neural Architecture Search for Evolving RNNs in Stock Return Prediction and Portfolio Trading

要約

株式収益予測は、数多くの財務アプリケーションの主要なコンポーネントです。
株式の予測収益をポートフォリオ取引アルゴリズムに組み込んで、情報に基づいて売買の意思決定を行い、収益を最適化することができます。
このようなポートフォリオ取引アプリケーションでは、時系列予測モデルの予測パフォーマンスが重要です。
この研究では、株式収益予測のために漸進的にリカレント ニューラル ネットワーク (RNN) を進化させるための進化的メモリ拡張モデル (EXAMM) アルゴリズムの使用を提案します。
RNN は銘柄ごとに独立して進化し、ポートフォリオ取引の決定は予測される株式リターンに基づいて行われます。
テストに使用されるポートフォリオは、ダウ ジョーンズ指数 (DJI) の 30 社で構成され、各銘柄のウェイトは同じです。
結果は、これらの進化した RNN とシンプルな毎日のロングショート戦略を使用すると、2022 年 (弱気市場) と 2023 年 (強気市場) の両方で、DJI 指数と S&P 500 指数の両方よりも高いリターンを生み出すことができることを示しています。

要約(オリジナル)

Stock return forecasting is a major component of numerous finance applications. Predicted stock returns can be incorporated into portfolio trading algorithms to make informed buy or sell decisions which can optimize returns. In such portfolio trading applications, the predictive performance of a time series forecasting model is crucial. In this work, we propose the use of the Evolutionary eXploration of Augmenting Memory Models (EXAMM) algorithm to progressively evolve recurrent neural networks (RNNs) for stock return predictions. RNNs are evolved independently for each stocks and portfolio trading decisions are made based on the predicted stock returns. The portfolio used for testing consists of the 30 companies in the Dow-Jones Index (DJI) with each stock have the same weight. Results show that using these evolved RNNs and a simple daily long-short strategy can generate higher returns than both the DJI index and the S&P 500 Index for both 2022 (bear market) and 2023 (bull market).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google