生成对抗网络：用于金融交易策略、和组合优化
由qxiao创建，最终由qxiao 被浏览 248 用户
Generative Adversarial Networks for Financial Trading Strategies Fine-tuning and Combination
作者：Adriano Koshiyama, et al.
出处：Quantitative Finance, 2020-09-01
摘要
系统交易策略是分配资产以优化特定绩效的算法程序。为了在竞争激烈的环境中获得优势，分析师需要适当地微调策略，或者发掘如何通过创造新的alpha以组合弱信号。已经有多种方法对微调和组合这两个方面进行了广泛研究，但是新兴技术，例如生成对抗网络，也会对这些方面产生影响。因此，文章提出了可使用条件生成对抗网络 (cGAN) 进行交易策略校准和聚合。
为此，作者提供了一个完整的方法论：
- 在时间序列数据上对cGAN 训练和选择；
- 每个样本如何用于策略校准；
- 如何将所有生成的样本用于集成建模。
为了证明本文的方法有充分根据，作者设计了一个包含579 种资产的多种交易策略的实验。作者将 cGAN 与适合时间序列的集成方案和模型验证方法进行了比较。结果表明：cGAN 是策略校准和组合的合适替代方案，并且在传统技术无法生成任何alpha的情况下，仍表现出色。
正文
/wiki/static/upload/b6/b6963906-a1c8-48d9-9b84-fa21f399d58c.pdf
\