使用长短期记忆和时间序列模型进行算法投资策略的对冲特性研究(专业简体中文)
原文中文,约600字,阅读约需2分钟。发表于: 。该论文提出了一种新颖的方法来对冒险资产组合进行对冲,当金融市场受到金融动荡的影响时。我们引入了一种完全新颖的方法,通过基于这些资产价格的集合算法投资策略(AIS)的层面而不是单个资产的层面,来进行多样化活动。我们采用四种不同的理论模型(LSTM - 长短期记忆,ARIMA-GARCH - 自回归移动平均 - 广义自回归条件异方差,动量和逆势)来生成价格预测,然后将其用于产生单个和复杂的...
该论文提出了一种新颖的方法来对冒险资产组合进行对冲,通过基于资产价格的集合算法投资策略(AIS)的层面而不是单个资产的层面,来进行多样化活动。研究使用的实证数据涵盖了2004年至2022年的时期。研究发现,基于LSTM的策略优于其他模型,并且对于为标普500指数构建的AIS来说,最好的多样化方法是为比特币构建的AIS。最后,研究对LSTM模型在更高频率的数据进行了测试,得出结论,它的表现优于使用日常数据获得的结果。