JordiCorbilla/stock-prediction-deep-neural-learning

解決する問題

金融時系列予測のための厳格な研究環境を提供し、単純な視覚的チャート追跡を超えて、ディープラーニングモデルがナイーブベースラインと比較して実際にサンプル外予測スキルを持つかどうかを測定します。

仕組み

このプロジェクトはTensorFlowベースのLSTMモデルを使用して、価格、リターン、トレンドを予測します。複数のモデルバージョンを実装しており、移動方向と大きさを同時に予測する共有マルチタスクアーキテクチャ（v8）を含みます。科学的妥当性を確保するため、独立したトレーニング、検証、テストセットを使用した厳格な評価プロトコルを採用し、拡張ウィンドウのウォークフォワード分割を利用します。また、複数の資産や期間を比較する「金融予測アリーナ」と、取引コストを考慮した方向性戦略を評価するバックテストモジュールも含まれています。

対象読者

金融市場予測にディープラーニングを適用し、厳格な統計ベンチマークを使用してモデルパフォーマンスを評価することに関心のある定量リサーチャーと開発者。

ハイライト

• マルチバージョンLSTMアーキテクチャ：価格、リターン、トレンド残差ターゲット用に複数のモデル（v7、v8、v9）をサポート。
• ナイーブベースラインベンチマーク：「RMSEスキル」を計算して、モデルが単純な「明日の価格＝今日の価格」ベースラインを上回るかどうかを判断。
• 厳格な検証：データ漏洩を防ぐために、時系列の拡張ウィンドウ分割を実装。
• 取引診断：年率リターン、シャープ類似診断、取引コストを考慮した最大ドローダウンを計算するツールを含む。
• 再現性スイート：実験シード、実行時メタデータ、データハッシュを記録し、研究の再現を保証。
• 不確実性推定：1ステップ予測残差に対するシナリオパスと対称共形区間を提供。