التحسين البايزي لاستراتيجيات التداول التكيفية غير المستقرة

الملخص

تصوغ هذه الورقة التداول الآلي في ظل تغير ظروف السوق بوصفه مسألة باندت ذات أذرع متصلة وغير ثابتة إحصائيًا بمرور الزمن. وتقترح PRBO، التي تجمع بين التحسين البايزي ونهج باندت فوق باندت لتعديل معلمات الاستراتيجية مع تغير الظروف. وتُقيَّم الطريقة في محاكاة بورصة بريستول، حيث يضم السوق وكلاء آليين باستراتيجيات متنوعة. والاستراتيجية المرجعية هي PRSH، التي تكيّف المعلمات باستخدام التسلق العشوائي نحو القمة.

تُظهر نتائج المحاكاة المعلنة أن PRBO تحقق ربحًا أكبر بكثير من PRSH مع الحاجة إلى ضبط عدد أقل من المعلمات الفائقة. ويشير ذلك إلى أفضلية محتملة للتحسين البايزي في إعداد التداول التكيفي الذي اختُبر. لكن الوصف المقدّم لا يتضمن عوائد مطلقة أو تقديرات لعدم اليقين أو تفاصيل عن سيناريوهات السوق وإعدادات المعلمات. وتقتصر الأدلة على المقارنة المحاكية المذكورة، لذا فهي لا تثبت أن PRBO ستتفوق في الأسواق الفعلية أو في ظل معايير مقارنة وظروف أخرى.

الأفكار الرئيسية

• تصوغ الورقة تكييف معلمات التداول مع تغير الظروف بوصفه مسألة متعددة الأذرع ذات مجال مستمر وغير مستقرة.
• تستخدم PRBO التحسين البايزي ضمن إطار الأذرع فوق الأذرع لتعديل معلمات الاستراتيجية.
• يستند التقييم إلى محاكاة بورصة بريستول مع وكلاء آليين ذوي استراتيجيات متفاوتة.
• تُقارَن PRBO بـPRSH، التي تكيّف المعلمات باستخدام التسلق العشوائي نحو القمة.
• تحقق PRBO في المحاكاة المعلنة ربحًا أعلى بكثير مع عدد أقل من المعلمات الفائقة المطلوب ضبطها.
• لا يثبت المقتطف الأداء في الأسواق الفعلية أو عبر معايير مقارنة أخرى.

الوسوم

# Nonstationary Continuum-Armed Bandit Strategies for Automated Trading in a Simulated Financial Market


# Nonstationary Continuum-Armed Bandit Strategies for Automated Trading in a Simulated Financial Market









We approach the problem of designing an automated trading strategy that can consistently profit by adapting to changing market conditions. This challenge can be framed as a Nonstationary Continuum-Armed Bandit (NCAB) problem. To solve the NCAB problem, we propose PRBO, a novel trading algorithm that uses Bayesian optimization and a ``bandit-over-bandit'' framework to dynamically adjust strategy parameters in response to market conditions. We use Bristol Stock Exchange (BSE) to simulate financial markets containing heterogeneous populations of automated trading agents and compare PRBO with PRSH, a reference trading strategy that adapts strategy parameters through stochastic hill-climbing. Results show that PRBO generates significantly more profit than PRSH, despite having fewer hyperparameters to tune. The code for PRBO and performing experiments is available online open-source (https://github.com/HarmoniaLeo/PRZI-Bayesian-Optimisation).

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.