یادگیری عمیق تقویتی برای معامله سهام با لحاظ مالیات
خلاصه
این مقاله بررسی می‌کند که مالیات بر عایدی سرمایه و مزایای مالیاتی زیان‌های تحقق‌یافته چگونه بر تصمیم‌های معامله سهام اثر می‌گذارند. پیشنهاد می‌کند از مبنای مالیاتی میانگین در محیط یادگیری تقویتی استفاده شود تا عامل بتواند هم راهبردهای با لحاظ مالیات و هم راهبردهای بدون لحاظ آن را بیاموزد. نکته اصلی این است که نحوه برخورد مالیاتی می‌تواند زمان‌بندی و انتخاب ترجیحی معاملات را تغییر دهد؛ بنابراین هنگام بهینه‌سازی معاملات پیوسته سهام، مدل‌سازی مستقیم مالیات می‌تواند اهمیت داشته باشد.
مقایسه گزارش‌شده نشان می‌دهد که نادیده گرفتن مالیات می‌تواند بازده متوسط سبد را بیش از 62% کاهش دهد. متن حاضر داده‌ها، بازار، قواعد مالیاتی، طراحی پاداش یا تنظیم آزمایش پشت این نتیجه را شرح نمی‌دهد؛ بنابراین اندازه و تعمیم‌پذیری آن را نمی‌توان بر پایه متن موجود ارزیابی کرد. این یافته از لحاظ کردن مالیات در طراحی راهبرد پشتیبانی می‌کند، اما اثبات نمی‌کند که همین اثر در حوزه‌های قضایی، وضعیت‌های مالیاتی یا افق‌های معاملاتی گوناگون برقرار خواهد بود.
ایده‌های کلیدی
- این روش از مبنای مالیاتی میانگین برای بازنمایی پیامدهای مالیاتی در تصمیم‌های معامله سهام استفاده می‌کند.
- یادگیری تقویتی برای آموختن راهبردها با ملاحظات مالیاتی و بدون آن به کار می‌رود.
- نتایج گزارش‌شده نشان می‌دهند که نادیده گرفتن مالیات می‌تواند بازده متوسط سبد را به‌طور چشمگیری کاهش دهد.
- جزئیات متن برای داوری درباره دامنه تعمیم اثر گزارش‌شده کافی نیست.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.