HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE

要約

ファクターモデルは、定量投資の基本的な投資ツールであり、ディープラーニングの力を借りることで、実際の複雑な投資状況においてより柔軟かつ効率的になることができます。しかし、オンラインかつ適応的な設定で株価予測を行うことができるファクターモデルを構築することは、まだ未解決の問題であり、モデルは、ポイントインタイム市場情報のみに基づいて特定された現在の市場体制に適合するように自分自身を適応させることができます。この問題に取り組むため、我々は、ディープラーニングに基づく初のオンラインかつ適応的なファクターモデルであるHireVAEを提案する。HireVAEの中核には、市場状況と銘柄別潜在ファクターの間の根本的な関係を埋め込む階層的潜在空間があり、HireVAEは、過去の市場情報のみを与えられた有用な潜在ファクターを効果的に推定し、その後正確な株価収益を予測できるようにする。一般的に使用されている4つの実際の株式市場ベンチマークにおいて、提案されたHireVAEは、アクティブリターンの点で従来の方法よりも優れた性能を示し、このようなオンラインかつ適応的な要因モデルの可能性を検証している。

要約(オリジナル)

Factor model is a fundamental investment tool in quantitative investment, which can be empowered by deep learning to become more flexible and efficient in practical complicated investing situations. However, it is still an open question to build a factor model that can conduct stock prediction in an online and adaptive setting, where the model can adapt itself to match the current market regime identified based on only point-in-time market information. To tackle this problem, we propose the first deep learning based online and adaptive factor model, HireVAE, at the core of which is a hierarchical latent space that embeds the underlying relationship between the market situation and stock-wise latent factors, so that HireVAE can effectively estimate useful latent factors given only historical market information and subsequently predict accurate stock returns. Across four commonly used real stock market benchmarks, the proposed HireVAE demonstrate superior performance in terms of active returns over previous methods, verifying the potential of such online and adaptive factor model.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL