یادگیری تقویتی برای سبدهای آتی رمزارز با وام‌دهی و فروش استقراضی

خلاصه

این پژوهش مدیر سبدی مبتنی بر یادگیری تقویتی را برای محیطی پرریسک پیشنهاد می‌کند. معاملات دوطرفه را با وام‌دهی و وام‌گیری ترکیب می‌کند، از پاداش سود و زیان استفاده می‌کند و هدفش بهبود مدیریت ریسک نزولی و بهره‌گیری از سرمایه است. پیاده‌سازی آن عامل Soft Actor-Critic را با شبکه کانولوشنی و توجه چندسری ترکیب می‌کند. سبد شامل دارایی‌های رمزارزی معامله‌شده در قراردادهای آتی دائمی است؛ USDT برای وام‌دهی و وام‌گیری به‌کار می‌رود و بازمتوازن‌سازی دوره‌ای بر داده‌های اخیر بازار تکیه دارد.

مدل در دو دوره با وضعیت‌های نوسانی متفاوت ارزیابی می‌شود و نویسندگان عملکردی بهتر از معیار، به‌ویژه در سناریوهای پرنوسان، گزارش می‌کنند. این بخش هویت معیارها، معیارهای دقیق ریسک، نحوه لحاظ‌کردن هزینه معامله یا شواهدی فراتر از آزمون‌های تاریخی را ارائه نمی‌دهد. بنابراین نتایج ارزیابی گزارش‌شده را توصیف می‌کنند و اثبات نمی‌کنند که رویکرد در دوره‌های دیگر یا معامله زنده سودآور باقی بماند.

ایده‌های کلیدی

• مدیر سبد، معاملات خرید و فروش استقراضی را با وام‌دهی و وام‌گیری ترکیب می‌کند.
• پاداش سود و زیان برای پشتیبانی از مدیریت ریسک نزولی و تخصیص سرمایه طراحی شده است.
• پیاده‌سازی از Soft Actor-Critic همراه شبکه کانولوشنی و توجه چندسری استفاده می‌کند.
• مدل روی سبد متنوع قراردادهای آتی دائمی رمزارز با بازمتوازن‌سازی دوره‌ای ارزیابی می‌شود.
• عملکرد بهتر از معیار، طبق گزارش، در دوره‌های آزمون پرنوسان‌تر است؛ محدودیت‌های تعمیم‌پذیری روشن نیست.

برچسب‌ها

# Optimizing Portfolio with Two-Sided Transactions and Lending: A Reinforcement Learning Framework


# Optimizing Portfolio with Two-Sided Transactions and Lending: A Reinforcement Learning Framework









This study presents a Reinforcement Learning (RL)-based portfolio management model tailored for high-risk environments, addressing the limitations of traditional RL models and exploiting market opportunities through two-sided transactions and lending. Our approach integrates a new environmental formulation with a Profit and Loss (PnL)-based reward function, enhancing the RL agent's ability in downside risk management and capital optimization. We implemented the model using the Soft Actor-Critic (SAC) agent with a Convolutional Neural Network with Multi-Head Attention (CNN-MHA). This setup effectively manages a diversified 12-crypto asset portfolio in the Binance perpetual futures market, leveraging USDT for both granting and receiving loans and rebalancing every 4 hours, utilizing market data from the preceding 48 hours. Tested over two 16-month periods of varying market volatility, the model significantly outperformed benchmarks, particularly in high-volatility scenarios, achieving higher return-to-risk ratios and demonstrating robust profitability. These results confirm the model's effectiveness in leveraging market dynamics and managing risks in volatile environments like the cryptocurrency market.

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.