Zijian Zhao, Xuming Chen, Jiayu Wen, Mingwen Liu, Xiaoteng Ma
개요
본 논문은 중국 선물 시장에서 고빈도 거래 수익률 예측을 위해 심층 학습 기반의 종단간(end-to-end) 프레임워크를 제시합니다. 고빈도 거래 환경에서 발생하는 레이블 불균형 문제를 해결하기 위해 다양한 레이블 불균형 조정 방법을 적용하여 심층 학습 모델의 성능을 향상시켰습니다. 특히 거래 비용을 고려하여 각 거래 시점/사건을 수익성 여부로 레이블링하는 과정에서 발생하는 레이블 불균형 문제를 심층적으로 다룹니다. 제안된 방법의 코드는 공개적으로 제공됩니다.
시사점, 한계점
•
시사점:
◦
고빈도 거래에서 심층 학습을 활용한 수익률 예측의 가능성을 보여줌.
◦
레이블 불균형 문제를 효과적으로 해결하는 방법 제시.
◦
중국 선물 시장에 특화된 모델 개발 및 성능 검증.
◦
공개된 코드를 통해 재현성 확보 및 추가 연구 가능.
•
한계점:
◦
중국 선물 시장에 특화된 모델이므로 다른 시장으로의 일반화 가능성에 대한 추가 연구 필요.
