×
Ash展位；恩里科·格丁；弗兰克·麦格罗蒂

随机森林的性能加权组合，用于预测价格影响。 （英语） Zbl 1406.91402号

数量。财务 15，第11期，1823-1835（2015）.
概述：对于金融市场中的任何大型参与者来说，其交易活动的影响都占交易成本的很大一部分。本文提出了一种新的机器学习算法，用于预测订单事件的价格影响。具体来说，我们介绍了一个基于随机森林集合（RFs）的预测系统。该系统根据来自BATS和Chi-X交换的深度书本数据进行训练和测试，并使用其他流行回归算法的集合（包括：线性回归、神经网络和支持向量回归）对性能进行基准测试。结果表明，与所有基准相比，在所研究的6个时间段中的5个时间段内，最近加权的RFs集合对样本外数据的预测精度提高了15%以上。特征重要性排序用于探索各种市场特征对价格影响的重要性，发现它们随着时间的推移变化很大。最后，提出了一种提取特征方向效应的新方法，并用于探索价格形成过程中最主要的特征。

MSC公司：

91G10型 投资组合理论

关键词：

市场微观结构；机器学习；价格影响；交易策略；交易费用；随机森林

软件：

GeneSrF公司；随机森林
PDF格式BibTeX公司 XML格式引用
\textit{A.Booth}等人，Quant。财务15，No.11，1823--1835（2015；Zbl 1406.91402）
全文： 内政部

参考文献：

[1] Alfonsi，A.、Fruth，A.和Schied，A.，具有一般形状函数的极限订单中的最优执行策略。数量。《金融》，2010年，第10期，第143-157页·Zbl 1185.91199号
[2] Almgren，R.、Thum，C.、Hauptmann，E.和Li，H.，《股票市场影响的直接评估》。风险，2005，18，58-62。
[3] Angel，J.J.、Harris，L.E.和Spatt，C.S.，《21世纪的股票交易》。四分之一。《金融杂志》，2011年，第1期，第1-53页。
[4] Ankirchner，S.和Kruse，T.，《价格敏感风险偏好下的最优贸易执行》。数量。《金融》，2013年，第13期，1395-1409页·Zbl 1281.91075号
[5] Booth，A.、Gerding，E.和McGrowtty，F.，《绩效加权随机森林和季节性的自动交易》。专家系统。申请。，2014, 41, 3651-3661.
[6] Bosch，A.、Zisserman，A.和Munoz，X.，使用随机森林和蕨类植物进行图像分类。IEEE第11届计算机视觉国际会议记录，2007年，1-8。
[7] Brandes，Y.、Domowitz，I.、Jiu，B.和Yegerman，H.，《算法、交易成本和订单规模》。贸易，2007年。
[8] Breiman，L.，《随机森林》。机器学习。，2001年，45，5-32·Zbl 1007.68152号
[9] Chordia，T.、Roll，R.和Subrahmanyam，A.，《流动性和市场效率》。J.财务。经济。，2008, 87, 249-268.
[10] Creamer，G.和Freund，Y.，具有助推和专家加权的自动交易。数量。《金融》，2010年，第4期，第401-420页·Zbl 1203.91326号
[11] Demsetz，H.，交易成本。四分之一。《经济学杂志》。，1968, 82, 33-53.
[12] Díaz-Uriarte，R.和Alvarez-De Andrés，s.，《使用随机森林的基因选择和微阵列数据分类》。BMC生物信息。，2006, 7, 142-146.
[13] Eisler，Z.、Bouchaud，J.P.和Kockelkoren，J.，订单事件的价格影响：市场订单、限价订单和取消。数量。《金融》，2012年，第12期，1395-1419页·Zbl 1279.91072号
[14] Enke，D.和Thawornwong，S.，《使用数据挖掘和神经网络预测股市收益》。专家系统。申请。，2005, 29, 927-940.
[15] Fishler，E.，《交易“超流动”股票的困难》。技术报告4，Pragma Trading，2012年。
[16] Gabaix，X.、Gopikrishnan，P.、Plerou，V.和Stanley，H.E.，金融市场波动中幂律分布理论。《自然》，2003，423，267-270·Zbl 1058.91034号
[17] Glosten，L.R.和Milgrom，P.R.，《专业市场中的买入、卖出和交易价格》，交易员信息各异。J.财务。经济。，1985, 14, 71-100.
[18] Guobuzaite，R.、Byrne，K.和Freyre-Sanders，A.，《交易成本模型综述》。J.投资。，2004, 13, 93-115.
[19] Guyon，I.和Elisseeff，A.，变量和特征选择简介。J.机器学习。决议，2003，31157-1182·兹比尔1102.68556
[20] Hasbrouck，J.，《衡量股票交易的信息含量》。《金融杂志》，1991，46，179-207。
[21] Hasbrouck，J.和Saar，G.，低利率交易。J.财务。市场，2013，16，646-679。
[22] Ho，T.K.，《随机决策森林》。第三届文件分析和识别国际会议记录，1995年，278-282。
[23] Joyce，T.、Nazarali，J.、Levit，A.、Tomczyk，F.、Harris，L.、Spatt，C.Mathisson，D.、Katz，G.、Stevens，P.、Sirri，E.、Bethel，J.，Niederauer，D.、Giesea，J.和Mock，B.，《现代股票市场的当前观点：金融行业专家的论文集》，2010年（Mighty Media Inc.）。
[24] Kyle，A.S.，《持续拍卖和内幕交易》。计量经济学，1985，5311315-1335·Zbl 0571.90010号
[25] Lariviere，B.和Vandenpoel，D.，通过使用随机森林和回归森林技术预测客户保留和盈利能力。专家系统。申请。，2005, 29, 472-484.
[26] Lebaron，B.，《选择动态交易策略的进化自举方法》，1998年（威斯康星大学社会系统研究所：马萨诸塞州诺威尔）。
[27] Liaw，A.和Wiener，M.，《随机森林分类和回归》。R新闻，2002年，第2期，第18-22页。
[28] Lillo，F.，Farmer，J.D.和Mantegna，R.N.，价格影响函数的主曲线。《自然》，2003，421，129-130。
[29] Obizhaeva，A.A.，《流动性估计和选择偏差》[在线]，2012年。
[30] C.C.A.Parlour和D.J.D.Seppi，《限价指令市场：一项调查》。财务手册。中间。银行。，2008, 5, 63-96.
[31] Prasad，A.M.、Iverson，L.R.和Liaw，A.，《新分类和回归树技术：生态预测的袋装和随机森林》。生态系统，2006，9，181-199。
[32] Seppi，D.，流动性准备金与限额指令和战略专家。财务版次。研究，1997，10，103-150。
[33] Tay，F.E.H.和Cao，L.J.，《金融时间序列预测中的改进支持向量机》。神经计算，2002，48，847-861·Zbl 1006.68777号
[34] Tóth，B.，Lempérière，Y.，Deremble，C.，de Lataillade，J.，Kockelkoren，J.和Bouchaud，J.P.，《异常价格影响和金融市场流动性的关键性质》。物理。第X版，2011年，2006年1月1日。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。