- Application of Deep Learning to Algorithmic Trading
- Application of Machine Learning: Automated Trading Informed by Event Driven Data
第二篇是麻省理工學院電機系的一篇碩士論文, 研究者以近十年的 S&P500 指數為對象, 比較了神經網路 (NN), 隨機森林 (Random Forest), 以及支持向量機 (SVM) 三種模型, 發現 SVM 模型有最高的夏普比 (Sharpe Ratio), 即每承受 1% 的波動風險, 可創造 3.5% 的報酬率.
這兩篇深度夠, 但廣度不夠, 因為研究結果只來自於個別標的的訓練結果, 如果能對其他標的重複相同研究, 相信能獲得較一般化的結論.
沒有留言 :
張貼留言