ماکرو اچافتی: یادگیری تقویتی آگاه از زمینه برای معامله رمزارز
خلاصه
ماکرو اچافتی رویکردی مبتنی بر یادگیری تقویتی برای معامله رمزارز در بازههای یکدقیقهای است. این روش به دو چالش مطرح در روشهای موجود میپردازد: عاملها ممکن است بیشبرازش کنند و نتوانند سیاستهای خود را با زمینه مالی سازگار کنند؛ همچنین تصمیمهای یک عامل منفرد ممکن است هنگام تغییر سریع شرایط بازار سوگیری داشته باشد. این روش از شاخصهای بازار، از جمله روند و نوسان، برای سازماندهی دادهها و آموزش چند زیرعامل تخصصی استفاده میکند که هرکدام یک آداپتور دارند تا رفتارشان را با شرایط جاری تنظیم کند.
در مرحله دوم آموزش، یک فرعامل اضافه میشود که تصمیمهای زیرعاملها را ترکیب میکند. سازوکار حافظه از این فرایند تصمیمگیری در سطح بالاتر پشتیبانی میکند تا به نوسانهای بازار پاسخ دهد. گزارش شده است که آزمایشها در بازارهای رمزارز، عملکردی در سطح پیشرفتهترین روشها را در وظایف یکدقیقهای نشان میدهند. خلاصه، داراییها، دوره ارزیابی، معیارهای مبنا، هزینهها یا آزمونهای استحکام را مشخص نمیکند؛ بنابراین این نتیجه بهتنهایی سودآوری در معامله زنده یا تعمیمپذیری را اثبات نمیکند.
ایدههای کلیدی
- ماکرو اچافتی برای معامله رمزارز از چند عامل تخصصی یادگیری تقویتی استفاده میکند.
- روند و نوسان بازار در سازماندهی دادههای آموزشی و نقش عاملها مؤثرند.
- آداپتورهای شرطی به زیرعاملها امکان میدهند سیاستهای خود را با شرایط بازار تنظیم کنند.
- یک فرعامل مجهز به حافظه، تصمیمهای زیرعاملها را ترکیب میکند.
- آزمایشهای گزارششده به وظایف یکدقیقهای مربوطاند و توضیحات، جزئیات ارزیابی محدودی دارند.
برچسبها
متن کامل
# MacroHFT: Memory Augmented Context-aware Reinforcement Learning On High Frequency Trading
# MacroHFT: Memory Augmented Context-aware Reinforcement Learning On High Frequency Trading
High-frequency trading (HFT) that executes algorithmic trading in short time scales, has recently occupied the majority of cryptocurrency market. Besides traditional quantitative trading methods, reinforcement learning (RL) has become another appealing approach for HFT due to its terrific ability of handling high-dimensional financial data and solving sophisticated sequential decision-making problems, \emph{e.g.,} hierarchical reinforcement learning (HRL) has shown its promising performance on second-level HFT by training a router to select only one sub-agent from the agent pool to execute the current transaction. However, existing RL methods for HFT still have some defects: 1) standard RL-based trading agents suffer from the overfitting issue, preventing them from making effective policy adjustments based on financial context; 2) due to the rapid changes in market conditions, investment decisions made by an individual agent are usually one-sided and highly biased, which might lead to significant loss in extreme markets. To tackle these problems, we propose a novel Memory Augmented Context-aware Reinforcement learning method On HFT, \emph{a.k.a.} MacroHFT, which consists of two training phases: 1) we first train multiple types of sub-agents with the market data decomposed according to various financial indicators, specifically market trend and volatility, where each agent owns a conditional adapter to adjust its trading policy according to market conditions; 2) then we train a hyper-agent to mix the decisions from these sub-agents and output a consistently profitable meta-policy to handle rapid market fluctuations, equipped with a memory mechanism to enhance the capability of decision-making. Extensive experiments on various cryptocurrency markets demonstrate that MacroHFT can achieve state-of-the-art performance on minute-level trading tasks.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.