深度學習與配對交易 在潔淨能源ETF之應用

本研究以iShares全球乾淨能源ETF(ICLN)為研究標的,配適ARIMA(p,d,q)模型並提取其殘差,作為研究中的內生性變數。此外,挑選十二個與潔淨能源相關且週轉率與流動性較佳的研究變數,經過相關性檢驗、迴歸分析及共線性診斷,最終篩選出三個外生性變數,分別為SPDR黃金ETF、Invesco 太陽能ETF、Global X鋰電池技術ETF。利用主成份分析萃取三個變數之主成份,將其與前述殘差輸入CRNN進行價格預測,以探討標的之價格波動與走勢。除上述之深度學習模型外,本研究也針對iShares全球乾淨能源ETF(ICLN)與SPDR標普Kensho乾淨能源ETF(CNRG)進行配對交易之應用,根據自行設定的配對交易條件進行績效回測,以此提供投資者對潔淨能源 ETF 更多的相關資訊,並幫助其規避市場風險等。

作者:*輔仁大學企管系專任副教授 連育民、輔仁大學企管系學士生 林孟霓、輔仁大學企管系學士生 鄭玉佩、輔仁大學企管系學士生 黃薰、輔仁大學企管系學士生 沈郁庭、輔仁大學企管系學士生 朱家尹、輔仁大學企管系學士生 高任漢

*通訊作者E-mail:140476@mail.fju.edu.tw

發表人:林孟霓

更多工商時報報導
大成大手筆 大陸蚌埠建新廠
海外交易熱 前11月複委託衝4兆
基金定期定額 出現品牌效應