Vår presentation av djupa neurala nätverk för tradingstrategier

Våra kommande kvantitativa modeller för trading

/ 2025-11-28

---

I vårt arbete med att utveckla kvantitativa modeller ville vi besvara en avgörande fråga:

Kan en deep neural network modell som gör starka prisprognoser också skapa verkligt lönsamma och robusta tradingstrategier?

För att ta reda på det genomförde vi en serie tester där vi kombinerade moderna deep learning-modeller med våra evolutionära algoritmer för strategibyggnad. Resultaten blev tydliga – och för oss själva nästan förvånansvärt starka.

Ett modernt prediktionssystem

Vi började med intradagsdata från E-mini S&P 500-terminen (ES) på 5-minutersgraf. Genom att dela upp datan i tränings-, test- och valideringssegment säkerställde vi att våra modeller inte bara lärde sig historiken utan även kunde prestera på helt ny, out-of-sample-data.

Modellen fick uppgiften att förutsäga priset 25 bars in i framtiden (drygt två timmar framåt). Ett längre prognosfönster ger mer signal och mindre brus, vilket visat sig kritiskt i volatil intradagshandel.

Vårt neurala nätverk tränades med både genetisk evolution och gradientbaserad finjustering. Kombinationen gör att modellen både hittar rätt struktur och finjusterar viktparametrarna maximalt. Intressant nog slutade den bästa modellen med endast ett enda input: momentum över 100 bars. Det gav oväntat hög förklaringskraft och stark riktningsträff.

Stabil generalisering

Det viktigaste var att modellen inte bara fungerade på träningsdatan. Den levererade minst lika bra resultat på test och validering, med hög riktningsträff, låg felmarginal och en konsekvent stabil prediktion över alla perioder.

Det här är ovanligt inom marknadsprediktion och gav oss en stark indikation på att modellen fångar underliggande marknadsdynamik – inte bara bruset.

Från prediktion till faktisk handel

För att testa modellens praktiska värde byggde vi först en extremt enkel strategi:

• köp när modellen förutspår att priset kommer vara högre (25 bars),

• sälj när modellen förutspår lägre,

• och stäng positionen efter exakt 25 bars.

• inga andra indikatorer, inga stoppar, inga filter

• 1 kontrakt och $10 i handelskostnader

Trots sin enkelhet levererade strategin stabila resultat (OOS):

• 57–62% vinstprocent (matchar korrekt-riktningen från DNN)

• Profit factor runt 2.0

• Bra snitt-trades

• Rimlig drawdown

  
  

Det bekräftade att modellens prediktioner var användbara i verklig trading – inte bara snygga siffror på papper.

Evolutionära strategier som tar DNN till nästa nivå

Därefter lät vi vår strategi-evolution ta över. Vi gav systemet full frihet att utveckla handelslogik som kompletterar DNN-modellen och utnyttjar dess styrkor.

Resultatet blev handelsstrategier med:

• betydligt högre avkastning

• högre vinstprocent

• högre profit factor

• låg och stabil drawdown

• och framför allt starka out-of-sample-prestationer.

Equitykurvorna var jämna, aggressivt uppåtriktade och utan dolda intradagsrisker. Detta är precis den typ av robusthet som är svår att uppnå med traditionella metoder.

Kontrolltest: vad händer utan neural network?

För att säkerställa att resultaten inte bara berodde på tur eller överanpassning körde vi exakt samma evolutionära process – men utan att inkludera neurala nätverk i modellen.

Skillnaden var dramatisk.

Utan DNN:n lyckades ingen av strategierna prestera bra out-of-sample. Vi fick instabila equitykurvor och tydlig överanpassning.

Det gjorde vår slutsats självklar:

Det är DNN-modellen som tillför den prediktiva kraften. Utan den faller allt tillbaka på marknadens brus.

Varför fungerar detta så bra?

Vi tror att en viktig faktor är datamängden. Neurala nätverk tränas på tiotusentals datapunkter – en prediktion per bar, medan klassiska tradingstrategier bara har några hundra eller tusen trades att lära sig av.

Mer data betyder bättre generalisering, mindre överanpassning och ett mer pålitligt statistiskt underlag.

Vart vi är på väg

De här resultaten har inspirerat oss att integrera denna teknik i våra kommande modeller och produkter. Vi arbetar nu mot ett nytt system där avancerade prediktionsmodeller och evolutionära strategier samspelar för att skapa det vi anser vara nästa generations kvantitativa modeller:

• robusta, datadrivna strategier

• avancerad prediktiv intelligens

• och stark generalisering till verkliga marknader

Vi har en ganska lång väg kvar! men vi ser en enorm potential i denna kombination och vi ser fram emot att erbjuda denna teknik till er.

Det här är bara början.