深度學習與配對交易 在潔淨能源ETF之應用

林孟霓

本研究以iShares全球乾淨能源ETF（ICLN）爲研究標的，配適ARIMA（p,d,q）模型並提取其殘差，作爲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，分別爲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 沈鬱庭、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:[email protected]

發表人：林孟霓