文件名称：具有提升和专家权重的自动交易-研究论文
文件大小：461KB
文件格式：PDF
更新时间：2024-06-29 05:03:57
Automated trading machine
我们提出了一种多股票自动交易系统，该系统依赖于由机器学习算法、在线学习实用程序和风险管理叠加组成的分层结构。 选择使用 Logitboost 实现的交替决策树 (ADT) 作为底层算法。 我们方法的优势之一是该算法能够选择从众所周知的技术分析指标得出的最佳规则组合，也能够选择技术指标的最佳参数。 此外，在线学习层结合了多个 ADT 的输出并建议空头或多头头寸。 最后，当交易信号超过指定的非零阈值时，风险管理层可以验证交易信号，并在不盈利时限制我们的交易策略的应用。 我们使用 2003 年至 2005 年期间随机选择的 100 家标准普尔 500 指数公司的数据测试专家加权算法。 我们发现该算法在测试期间会产生异常回报。 我们的实验表明，当指标组合并聚合为单个预测器时，boosting 方法能够提高预测能力。 更重要的是，不同库存的指标组合证明足以减少计算资源的使用，并仍然保持足够的预测能力。