金融交易策略的动态模态分解
摘要：基于动态模式分解（DMD）的算法交易策略的应用于金融数据组合。这种方法能够以无方程的方式表征复杂动态系统，本例为金融市场动态，通过将系统状态分解成已知时间上的低秩项。通过提取样本窗口中的关键时间相干结构（组合），它提供了最佳拟合线性动态系统的回归，从而使市场动态能够进行预测评估，并为投资策略提供信息。基于数据驱动的分析利用股票市场模式（无论是真实的还是被感知的）来指导买入/卖出/持有的投资决策。该方法关键的学习算法通过发现交易热点来优化算法的采样和预测窗口。算法的基本数学结构根植于非线性动力系统的方法，并表明分解是数据驱动市场模式发现的有效数学工具。
作者：Jordan Mann and J. Nathan Kutz
论文ID：1508.04487
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2015-08-20