Aprendizaje profundo por refuerzo para pares cripto

Resumen

Este estudio prueba el aprendizaje profundo por refuerzo como capa de ejecución para el trading de pares en mercados volátiles de criptomonedas. El marco primero filtra y clasifica los pares candidatos y luego usa un agente de Proximal Policy Optimization con una capa Long Short-Term Memory para tomar decisiones de ejecución. Un diseño de riesgo fijo y media adaptativa, junto con controles de riesgo deterministas, limita al agente con el objetivo de reducir el riesgo de divergencia. La evaluación usa datos horarios de futuros Binance USD-M y compara la política aprendida con una referencia heurística.

Los resultados fuera de muestra informados favorecen la política de aprendizaje por refuerzo, y un bootstrap estacionario de bloques circulares indica un rendimiento superior ajustado al riesgo estadísticamente significativo al nivel del 10 por ciento. El resultado no alcanza el umbral de significación más estricto del 5 por ciento, algo que el estudio relaciona con la elevada varianza idiosincrática de los activos digitales. La evidencia se limita a los datos y la configuración probados; la descripción no aporta magnitudes de rendimiento, supuestos sobre costes de transacción ni pruebas en otras plataformas y periodos. El diseño híbrido ofrece una forma de acotar las decisiones de ejecución aprendidas, pero su robustez general sigue siendo una cuestión abierta.

Ideas clave

• El sistema propuesto combina la selección estadística de pares con una capa de ejecución aprendida.
• Un agente PPO con un LSTM toma decisiones de ejecución dentro de límites de riesgo deterministas.
• El estudio evalúa el enfoque con datos horarios de futuros Binance USD-M frente a una referencia heurística.
• El rendimiento superior ajustado al riesgo informado es significativo al nivel del 10 por ciento, pero no al del 5 por ciento.
• Los resultados se limitan al mercado, los datos y la configuración de estrategia probados.

Etiquetas

# Dynamic Multi-Pair Trading Strategy in Cryptocurrency Markets with Deep Reinforcement Learning


# Dynamic Multi-Pair Trading Strategy in Cryptocurrency Markets with Deep Reinforcement Learning









This study aims to determine whether the application of Deep Reinforcement Learning (DRL) as a specialized execution overlay can enhance pair trading in highly volatile cryptocurrency markets. Although classical implementations of the strategy have proven successful in traditional equities, they frequently exhibit rigidity and suffer from severe divergence risks when applied to high-variance environments. To address this need, this research introduces novel concepts. To construct a robust system, we developed a hierarchical "Filter-then-Rank" pair selection methodology and a proprietary "Fixed Risk, Adaptive Mean" execution model. The system employs a Proximal Policy Optimization (PPO) agent with a Long Short-Term Memory (LSTM) layer to govern execution decisions within strict deterministic risk management boundaries. Evaluated on 1-hour interval data from the Binance USD-M Futures market, the optimized RL policy achieved an out-of-sample performance that substantially outperformed the heuristic baseline. A stationary circular block bootstrap robustness check confirms that the agent's risk-adjusted outperformance is statistically significant at the 10 percent level. Although falling marginally short of the stricter 5 percent threshold, this result highlights the extreme idiosyncratic variance characteristic of digital assets. Ultimately, this thesis contributes to the quantitative finance literature by introducing a hybrid architecture that combines statistical arbitrage with DRL execution policies. Furthermore, it delivers a novel framework for safe reinforcement learning via deterministic shielding, proving that anchoring a neural policy to statistically robust boundaries successfully mitigates severe divergence risks.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.