Revealing Pairs-trading opportunities with long short-term memory networks

交易策略 结对贸易 文件夹 计算机科学 算法交易 加权 补语(音乐) 交易成本 期限(时间) 计量经济学 分类 库存(枪支) 投资策略 鉴定(生物学) 启发式 市场时机 股票市场 金融经济学 经济 另类交易系统 微观经济学 市场流动性 财务 算法 表型 工程类 放射科 古生物学 物理 操作系统 基因 生物 机械工程 医学 化学 互补 量子力学 植物 生物化学
作者
Andrea Flori,Daniele Regoli
出处
期刊:European Journal of Operational Research [Elsevier]
卷期号:295 (2): 772-791 被引量:29
标识
DOI:10.1016/j.ejor.2021.03.009
摘要

This work examines a deep learning approach to complement investors' practices for the identification of pairs-trading opportunities among cointegrated stocks. We refer to the reversal effect, consisting in the fact that temporarily market deviations are likely to correct and finally converge again, to generate valuable pairs-trading signals based on the application of Long Short-Term Memory networks (LSTM). Specifically, we propose to use the LSTM to estimate the probability of a stock to exhibit increasing market returns in the near future compared to its peers, and we compare and combine these predictions with trading practices based on sorting stocks according to either price or returns gaps. In so doing, we investigate the ability of our proposed approach to provide valuable signals under different perspectives including variations in the investment horizons, transaction costs and weighting schemes. Our analysis shows that strategies including such predictions can contribute to improve portfolio performances providing predictive signals whose information content goes above and beyond the one embedded in both price and returns gaps.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
芋圆不圆完成签到,获得积分10
1秒前
2秒前
迅速泽洋完成签到,获得积分10
3秒前
4秒前
陛下发布了新的文献求助10
4秒前
5秒前
5秒前
6秒前
李明发布了新的文献求助10
7秒前
8秒前
Phosphene应助墨染书香采纳,获得10
8秒前
Tian完成签到,获得积分10
8秒前
lbm发布了新的文献求助10
9秒前
lyh完成签到,获得积分10
9秒前
领导范儿应助冷静的尔琴采纳,获得10
10秒前
科研小菜发布了新的文献求助10
10秒前
11秒前
11秒前
yoasobi2334发布了新的文献求助10
11秒前
Tian发布了新的文献求助10
13秒前
高兴海燕完成签到,获得积分20
16秒前
11111111发布了新的文献求助10
16秒前
烂漫的蜡烛完成签到,获得积分10
16秒前
WZH完成签到,获得积分10
17秒前
17秒前
充电宝应助粗心的怜寒采纳,获得10
18秒前
地球发布了新的文献求助10
18秒前
大模型应助hwezhu采纳,获得10
21秒前
21秒前
22秒前
躲哪个草完成签到 ,获得积分10
24秒前
CodeCraft应助星星采纳,获得10
25秒前
26秒前
冷静的尔琴完成签到,获得积分10
27秒前
hututu完成签到,获得积分10
27秒前
27秒前
28秒前
温暖芷文完成签到,获得积分10
30秒前
默默向雪完成签到,获得积分10
32秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
A Dissection Guide & Atlas to the Rabbit 600
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 500
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3105137
求助须知:如何正确求助?哪些是违规求助? 2756288
关于积分的说明 7638684
捐赠科研通 2410249
什么是DOI,文献DOI怎么找? 1278761
科研通“疑难数据库(出版商)”最低求助积分说明 617495
版权声明 599262