Deep Reinforcement Learning für steueroptimiertes Aktientrading

Zusammenfassung

Die Arbeit untersucht, wie Steuern auf Kapitalgewinne und Steuervorteile aus realisierten Verlusten Aktienhandelsentscheidungen beeinflussen. Sie schlägt vor, in einer Reinforcement-Learning-Umgebung den durchschnittlichen steuerlichen Einstandswert zu verwenden, sodass ein Agent sowohl Strategien mit als auch ohne Berücksichtigung von Steuern lernen kann. Die zentrale Erkenntnis lautet, dass die steuerliche Behandlung den bevorzugten Zeitpunkt und die Auswahl von Trades verändern kann. Daher kann es wichtig sein, Steuern bei der Optimierung des kontinuierlichen Handels mit Aktien direkt zu modellieren.

Der berichtete Vergleich zeigt, dass die Nichtberücksichtigung von Steuern die durchschnittlichen Portfoliorenditen um mehr als 62% senken kann. Der Auszug beschreibt weder die Daten noch den Markt, die Steuervorschriften, die Belohnungsfunktion oder den Versuchsaufbau hinter diesem Ergebnis. Daher lassen sich seine Größenordnung und allgemeine Gültigkeit anhand des verfügbaren Textes nicht beurteilen. Der Befund spricht dafür, Steuern beim Strategiedesign zu berücksichtigen, belegt aber nicht, dass derselbe Effekt in verschiedenen Rechtssystemen, Steuersituationen oder Handelszeiträumen auftritt.

Kernaussagen

• Die Methode verwendet den durchschnittlichen steuerlichen Einstandswert, um steuerliche Folgen bei Aktienhandelsentscheidungen abzubilden.
• Mit Reinforcement Learning werden Strategien sowohl mit als auch ohne Berücksichtigung von Steuern gelernt.
• Den berichteten Ergebnissen zufolge kann die Nichtberücksichtigung von Steuern die durchschnittlichen Portfoliorenditen erheblich senken.
• Der Auszug enthält zu wenige Details, um zu beurteilen, in welchem Umfang der berichtete Effekt anwendbar ist.

Schlagwörter

# Taxable Stock Trading with Deep Reinforcement Learning


# Taxable Stock Trading with Deep Reinforcement Learning









In this paper, we propose stock trading based on the average tax basis. Recall that when selling stocks, capital gain should be taxed while capital loss can earn certain tax rebate. We learn the optimal trading strategies with and without considering taxes by reinforcement learning. The result shows that tax ignorance could induce more than 62% loss on the average portfolio returns, implying that taxes should be embedded in the environment of continuous stock trading on AI platforms.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.