Implementation of a trading algorithm with a focus on volume profiles

Práce zkoumá přidanou hodnotu integrace pokročilých analytických metod do klasických intradenních obchodních strategií. Pro systematické posouzení dopadu rostoucí analytické složitosti byl vytvořen stupňovitý rámec devíti strategií, který zahrnuje základní (pouze cenové), objemem obohacené a hlubokým učením vylepšené archetypy. Pro nejpokročilejší strategie je implementován model Temporal Fusion Transformer, který poskytuje 15 minutové predikce objemu obchodů. Všechny strategie jsou důsledně zpětně testovány na akciích z indexu NASDAQ-100. Empirické výsledky ukazují na klíčový kompromis: zatímco začlenění parametrů založených na objemu obchodů významně nezvýšilo ziskovost, nabídlo silnou, statisticky významnou výhodu v řízení rizika prostřednictvím konzistentního snižování maximálních poklesů hodnoty. Naopak hypotéza, že sofistikovaná prognóza založená na modelech typu Transformer dále zlepší výkonnost, byla zamítnuta, neboť strategie operující s predikovaným objemem nedokázaly překonat své jednodušší protějšky založené na jednodušší heuristice. Analýza rovněž potvrzuje, že výkonnost strategií je vysoce závislá na aktuálním tržním režimu, což platí zejména pro přístupy založené na návratu k průměru a hybnosti. Závěrem se konstatuje, že hlavním přínosem přidání komplexity založené na objemu obchodů je v tomto kontextu defenzivní funkce, která slouží spíše k ochraně kapitálu než k navyšování výnosů. Práce zdůrazňuje zásadní kompromis mezi přínosy a implementačními náklady nasazení pokročilých prediktivních modelů v intradenních obchodních strategiích na vysokofrekvenčních datech.