Deep Learning for Financial Time Series: A Large-Scale Benchmark of Risk-Adjusted Performance

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat je een grote groep slimme studenten (de Deep Learning-modellen) hebt die je wilt testen op hun vermogen om de beurs te voorspellen. De meeste studenten hebben geleerd om cijfers te zien en patronen te herkennen, maar de beurs is een chaotische, onvoorspelbare plek waar geluid (ruis) vaak harder klinkt dan het echte signaal.

De auteurs van dit paper, onderzoekers van de Universiteit van Oxford, hebben een grote wedstrijd georganiseerd. Ze hebben 15 jaar aan data gebruikt (van 2010 tot 2025) over alles wat je op de beurs kunt kopen: aandelen, obligaties, grondstoffen zoals olie en graan, en valuta's.

Het doel? Niet alleen kijken wie het meeste geld verdient, maar vooral: wie doet het het veiligst en het meest betrouwbaar? Ze kijken naar de "Sharpe-ratio", wat in het Nederlands simpelweg betekent: "Hoeveel winst maak je per stukje risico dat je neemt?"

Hier is de uitleg van hun onderzoek, vertaald naar alledaagse taal met een paar creatieve vergelijkingen:

1. De Wedstrijd: Wie is de beste voorspeller?

Ze hebben verschillende soorten "studenten" laten strijden:

De Oude School (Lineaire modellen): Dit zijn studenten die denken dat de wereld simpel is. Als het gisteren regende, denken ze dat het vandaag ook regent. Ze kijken alleen naar rechte lijnen.
De Trendvolgers (RNN's en LSTM's): Dit zijn studenten die een goed geheugen hebben. Ze onthouden wat er de afgelopen weken is gebeurd en proberen daar een patroon in te zien.
De Moderne Slimme Studenten (Transformers en State-Space modellen): Dit zijn de nieuwste, hippe modellen. Ze kunnen enorme hoeveelheden data tegelijk bekijken en zoeken naar complexe verbanden, net als een supercomputer die alles doorzoekt.
De Hybriden (De Mix): Dit zijn studenten die de beste eigenschappen van bovenstaande groepen combineren. Ze hebben een goed geheugen én een slimme manier om ruis te filteren.

2. Het Grote Verdict: De Oude School faalt

Het resultaat was verrassend voor sommigen, maar logisch voor anderen. De oude school (lineaire modellen) deed het niet goed.

De Analogie: Het is alsof je probeert een storm te voorspellen door alleen naar een rechte lijn te kijken. De beurs is geen rechte lijn; het is een wild zee met golven, draaikolken en onverwachte stormen. Simpele lijnen kunnen die complexiteit niet vatten.

3. De Winnaars: De "Hybriden" en de "Geheugenspecialisten"

De modellen die het beste deden, waren niet de meest complexe "AI's" die alles tegelijk probeerden te doen, maar modellen die specifiek waren ontworpen om patronen in de tijd te begrijpen en ruis te filteren.

De Winnaar (VLSTM): Dit model is een combinatie van een slimme filter (VSN) en een goed geheugen (LSTM).
- De Analogie: Stel je voor dat je door een drukke stad loopt. De meeste mensen horen alleen het lawaai van de auto's en de mensen (de ruis). De VLSTM is als een ervaren detective die een geluidsdichte koptelefoon opzet. Hij hoort alleen de echte voetstappen van de dader (het echte signaal) en negeert het lawaai. Hierdoor maakt hij minder fouten en behoudt hij zijn kalmte tijdens een storm.
De Veiligste (xLSTM): Dit model deed het ook heel goed, maar had een extra superkracht: het was weinig gevoelig voor transactiekosten.
- De Analogie: Stel je voor dat je een auto huurt om een lange reis te maken. De ene auto rijdt heel soepel, maar je moet constant remmen en gas geven (veel kosten). De xLSTM is als een auto met een zeer soepele versnellingsbak: je rijdt net zo snel, maar je verbruikt minder brandstof. In de beurswereld betekent dit: minder handelen, minder kosten, en dus meer winst overhouden.

4. Waarom is dit belangrijk? (De Les voor de Belegger)

De onderzoekers leren ons drie belangrijke dingen:

Complexiteit is niet alles: De allermodernste, duurste AI-modellen (zoals de Transformers die je misschien kent van ChatGPT) deden het in deze test niet per se het beste. Soms is een model dat specifiek is ontworpen voor tijdreeksen (zoals een goed geheugen) beter dan een model dat alles tegelijk probeert te doen.
Risico is net zo belangrijk als winst: Een model dat 20% winst maakt maar halverwege alles verliest (een grote dip), is slechter dan een model dat 15% maakt maar rustig blijft. De winnaars waren degenen die niet paniekten als de markt daalde.
De "Ruis" is de vijand: Financiële data is vol met nep-patronen. De beste modellen zijn diegenen die kunnen zeggen: "Dit is alleen maar geluid, ik ignoreer het," en zich richten op de echte trends.

Samenvatting in één zin

Deze paper laat zien dat in de chaotische wereld van de beurs, de winnaars niet de snelste of de slimste AI's zijn, maar de rustigste en meest selectieve modellen die weten hoe ze het echte signaal moeten vinden tussen al het lawaai, en die weten hoe ze hun portemonnee moeten beschermen tegen onnodige kosten.

Het is een bewijs dat in de financiële wereld, kalmte en selectiviteit vaak winnen van pure snelheid en complexiteit.

Each language version is independently generated for its own context, not a direct translation.

1. Probleemstelling en Context

Het artikel adresseert de uitdaging om moderne deep learning-architecturen te evalueren voor het voorspellen van financiële tijdreeksen en het bepalen van posities (position sizing). Financiële data kenmerken zich door:

Sterke ruis en lage signaal-ruisverhouding: Voorspellende signalen zijn zwak en tijdsvariërend.
Non-stationariteit: Marktdynamieken veranderen door verschillende regimes (bijv. crisis vs. expansie).
Zware staarten (heavy tails): Extreme gebeurtenissen komen vaker voor dan in een normale verdeling.

Traditionele benchmarks in de tijdreeksvoorspelling (zoals voor weersvoorspelling) focussen vaak op gemiddelde fouten (MSE/MAE) en hebben sterke seizoenspatronen. Dit is echter onvoldoende voor finance, waar het doel risico-gewijzigde rendementen (Sharpe-ratio) zijn, en waar modellen robuust moeten zijn tegen transactiekosten en neerwaartse risico's.

2. Methodologie

Data en Setup

Dataset: Een groot scala aan futures-data (2010–2025) over vijf assetklassen: obligaties, grondstoffen, energie, valuta (FX) en aandelenindices.
Input: Dagelijkse sluitingsprijzen, rendementen en technische indicatoren.
Output: Een trading signaal in het bereik $[-1, 1]$ (long/short), omgezet naar portefeuillegewichten via een volatiliteitsdoelstelling (volatility targeting) om risico's te normaliseren.
Optimalisatie: In plaats van het minimaliseren van voorspellingsfouten, wordt het model getraind om de negatieve Sharpe-ratio te minimaliseren (end-to-end optimalisatie). Dit zorgt ervoor dat het netwerk direct leert om rendement te maximaliseren en variantie (risico) te straffen.

Geëvalueerde Architecturen

De auteurs vergelijken een breed scala aan modellen, variërend van lineaire baselines tot geavanceerde deep learning:

Lineaire Baselines: AR1x, DLinear, NLinear.
Transformer-gebaseerde modellen: iTransformer, PatchTST, Temporal Fusion Transformer (TFT).
State-Space Models (SSM): Mamba en Mamba2 (gebaseerd op HiPPO matrices voor efficiënte lange-termijn geheugen).
Recurrente Netwerken (RNN): Klassieke LSTM, xLSTM (met exponentiële gating), en PsLSTM (Patch sLSTM).
Hybride Modellen: Combinaties zoals VSN+LSTM (VLSTM), VSN+Mamba2, en LSTM+PatchTST. Hierbij worden Variable Selection Networks (VSN) gebruikt om ruis in features te filteren voordat ze de recurrente laag bereiken.

Evaluatiemetrics

De evaluatie gaat verder dan alleen rendement en omvat:

Risico-gewijzigde rendementen: Sharpe-ratio, Calmar-ratio, Information Ratio.
Downside-risico: Maximum Drawdown, Conditional Value at Risk (CVaR).
Robuustheid: Stabiliteit over verschillende random seeds en subperiodes.
Implementatiekosten: Analyse van de break-even transactiekosten (hoeveel kosten kan een strategie verdragen voordat het winstgevendheid verdwijnt).

3. Belangrijkste Bijdragen

Unificatie van Benchmarking: De eerste grootschalige benchmark die deep learning-modellen voor finance evalueert onder een strikt Sharpe-ratio optimalisatiekader, inclusief transactiekostenanalyse en downside-risico, in plaats van alleen voorspellingsnauwkeurigheid.
Architecturale Bias is Cruciaal: Het artikel toont aan dat de keuze van de inductieve bias (de structuur van het model) belangrijker is dan pure modelgrootte of asymptotische complexiteit. Modellen die expliciet ontworpen zijn om gestructureerde temporele representaties te leren, presteren beter.
Hybride Benadering: De introductie en succesvolle toepassing van hybride modellen (zoals VSN gecombineerd met recurrente lagen) die feature-selectie en temporele modellering scheiden om ruis te reduceren.
Robuustheidstest: Een uitgebreide analyse van de gevoeligheid voor random seeds en transactiekosten, wat vaak over het hoofd wordt gezien in academische studies.

4. Resultaten

Prestatieoverzicht

Lineaire modellen (AR, DLinear) presteren inconsistent en falen in het leveren van stabiele rendementen over lange periodes, vooral in niet-stationaire markten.
Pure Transformers (zoals PatchTST en iTransformer) en State-Space Models (Mamba) vertonen heterogeen gedrag; ze presteren soms goed in specifieke jaren, maar missen consistentie over verschillende marktre regimes.
Gecombineerde/Recurrente Modellen presteren het beste:
- VLSTM (VSN + LSTM): Bereikt de hoogste algehele Sharpe-ratio (2.40) over de periode 2010-2025. Het combineert sterke prestaties met goede downside-bescherming.
- LPatchTST (LSTM + PatchTST): Toont vergelijkbare prestaties (Sharpe 2.31) met uitzonderlijke stabiliteit in de "worst-case" scenario's (hoogste Calmar-ratio).
- xLSTM: Biedt een uitstekende balans tussen prestatie en transactiekosten-efficiëntie. Het heeft de hoogste break-even transactiekostenbuffer, wat betekent dat het robuuster is tegen trading fricties door lagere turnover.

Risico en Robuustheid

Modellen zoals VLSTM en LPatchTST vertonen minder extreme drawdowns en betere tail-risk kenmerken dan standaard LSTMs of pure Transformers.
De prestaties blijken robuust te zijn bij een verlaagd experimenteel budget (minder random seeds), wat aangeeft dat de resultaten niet puur het gevolg zijn van gunstige initialisatie.

5. Betekenis en Conclusie

De studie concludeert dat succesvolle financiële voorspellingsmodellen drie kernkenmerken moeten bezitten:

Persistente en adaptief gestuurde staatrepresentaties: Modellen moeten in staat zijn om geheugen te behouden dat relevant is voor economische signalen, zelfs in ruisrijke omgevingen (waarbij xLSTM en LSTM hierin excelleren).
Representatiecompressie en Feature Selectie: Het actief filteren van ruis en het selecteren van relevante covariaten (via VSN) is essentieel om het signaal-ruisverhouding te verbeteren.
Gestuurde Trading Intensity: Een model moet niet alleen goed voorspellen, maar ook een evenwicht vinden tussen aanpassing aan nieuwe signalen en het vermijden van overmatig handelen (high turnover) dat transactiekosten opslaat.

Kernboodschap: In de financiële wereld is "meer complexiteit" of "nieuwe architectuur" (zoals pure Transformers) niet per se beter. De beste modellen zijn vaak hybride systemen die de sterke punten van recurrente netwerken (voor temporele afhankelijkheid) combineren met mechanismen voor feature-selectie en ruisreductie. De VLSTM en xLSTM-varianten worden gepresenteerd als de huidige state-of-the-art voor risicogewijzigde portefeuilleoptimalisatie in deze benchmark.