Algorithmic Trading Strategy Development and Optimisation
Created by
Haebom
Category
Empty
저자
Owen Nyo Wei Yuan, Victor Tan Jia Xuan, Ong Jun Yao Fabian, Ryan Tan Jun Wei
💡 개요
이 논문은 S&P 500 과거 시장 데이터와 실적 발표 감성 분석을 활용하여 향상된 알고리즘 트레이딩 전략을 개발하고 최적화하는 내용을 담고 있습니다. 이동 평균, 모멘텀, 변동성 등의 기술적 지표와 FinBERT 기반 감성 분석을 통합하여 거래 성과를 개선했습니다. 제안된 전략은 총 수익률, 샤프 지수, 최대 낙폭 등에서 기준 모델 대비 유의미한 성능 향상을 보여주었습니다.
🔑 시사점 및 한계
•
기술적 지표, 감성 분석, 계산 최적화를 통합하는 것이 알고리즘 트레이딩 시스템의 효과성을 입증했습니다.
•
실적 발표 감성 분석은 전통적인 기술적 지표만 사용하는 전략보다 더 나은 성과를 가져올 수 있음을 보여줍니다.
•
실제 시장 적용을 위해 더 다양한 자산과 시장 상황에 대한 검증이 필요하며, 모델의 과적합 가능성을 탐색해야 합니다.
