TradeGrad优化量化交易策略
热点事件观察中
TradeGrad优化量化交易策略
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Chaoqun Yang等在arXiv论文摘要中提出TradeGrad,利用历史优化经验估计文本梯度,并通过多尺度策略修订和跨时期稳健目标,测试中国A股与美国股票的横截面和时间序列策略;作者称,该框架在四种设置中均取得最佳样本内和样本外表现。 摘要报告,中国横截面策略年化收益率为27.99%、最大回撤12.19%、夏普比率1.63,并称年化收益率较沪深300基准高约68%。这些是基于论文摘要的实验主张,尚未体现独立复现;代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
TradeGrad通过经验引导文本梯度优化量化交易策略报道时间线
沿着报道,了解事件的不同侧面。
10月7日
- arXiv · cs.AITradeGrad通过经验引导文本梯度优化量化交易策略
研究者提出经验引导的文本梯度框架 TradeGrad,用于优化量化交易策略,并在四种横截面与时间序列设置中取得最佳样本内和样本外表现。该框架利用历史优化经验估计文本梯度,结合多尺度策略修订和跨时期稳健目标(CPRO);其中,中国横截面策略年化收益率为27.99%,最大回撤为12.19%,夏普比率为1.63,较沪深300基准高约68%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。