Investigation of algorithmic trading models for shares of the drug manufacturing industry

Abstract

Algorithmic trading models are now widely used in investment decision-making. By grounding these models in scientific knowledge, investors can obtain efficient results in financial markets. During the COVID-19 outbreak, the drug manufacturing industry has received substantial attention from investors. The purpose of our research is to form an investment portfolio using an algorithmic trading model in the drug manufacturing industry. The model covers the entire process of portfolio formation: market analysis, selection of industry, selection of particular stocks, data mining, forecasting and investment decision-making. Three portfolios – maximum return, minimum risk and maximum Sharpe ratio – are constructed and compared across two periods. Portfolios formed using deep learning forecasting outperformed the index in more cases than did portfolios created using the Monte Carlo simulation. Portfolio formation using algorithmic trading models is suitable for individual investors, can be easily automated using the computer application and can not only be applied to one industry but diversified across various sectors.

Algoritminiai prekybos modeliai plačiai taikomi priimant investicinius sprendimus. Pagrįsdami šiuos modelius mokslinėmis žiniomis, investuotojai gali pasiekti efektyvių rezultatų finansų rinkose. COVID-19 pandemijos metu vaistų gamybos pramonė sulaukė reikšmingo investuotojų dėmesio. Tačiau šios pramonės šakos investuotojai turi būti atsargūs, kadangi žinios apie vaistų ir vakcinų veiksmingumą žymiai padidina akcijų kainų svyravimus. Tyrimo tikslas – suformuoti investicijų portfelį pasitelkus algoritminį prekybos modelį vaistų gamybos pramonėje. Modelis apima visą portfelio formavimo procesą: rinkos analizę, pramonės šakos pasirinkimą, konkrečių akcijų pasirinkimą, duomenų gavybą, prognozavimą ir investicinių sprendimų priėmimą. Trys portfeliai – maksimalios grąžos, minimalios rizikos ir maksimalaus Sharpe rodiklio – sudaromi ir lyginami per du laikotarpius (2019 ir 2020 m.). Portfeliai, sudaryti taikant giliojo mokymosi prognozę, dažniau viršijo indeksą nei portfeliai, sukurti naudojant Monte Karlo modeliavimą. Portfelio formavimas taikant algoritminius prekybos modelius tinka individualiems investuotojams, gali būti lengvai automatizuojamas naudojant kompiuterinę programą ir gali būti taikomas ne tik vienai pramonės šakai, bet ir diversifikuojamas įvairiuose sektoriuose. Skirtingai nuo daugelio privačių investicinių bendrovių siūlomų programų, straipsnyje siūlomas prekybos modelis yra pagrįstas mokslinėmis investavimo žiniomis ir susideda iš visų būtinų sprendimų priėmimo žingsnių. Be to, siūloma sprendimų palaikymo sistema gali integruoti daug kitų metodų, kurie gali būti taikomi akcijų rinkos prognozavimui.