אופטימיזציה בייסיאנית לאסטרטגיות מסחר מסתגלות ולא־נייחות

סיכום

המאמר ממסגר מסחר אוטומטי בתנאי שוק משתנים כבעיית שודד רב־זרועות לא־נייחת עם מרחב רציף. הוא מציע את PRBO, שמשלב אופטימיזציה בייסיאנית עם גישת שודד־על־שודדים כדי להתאים את פרמטרי האסטרטגיה לשינויים בתנאים. השיטה נבחנת בסימולציה של בורסת בריסטול, שבה פועלים בשוק סוכנים אוטומטיים בעלי אסטרטגיות מגוונות. אמת המידה היא PRSH, אסטרטגיה המתאימה פרמטרים באמצעות טיפוס סטוכסטי במעלה הגבעה.

תוצאות הסימולציה המדווחות מראות ש־PRBO השיג רווח גבוה משמעותית מ־PRSH, תוך צורך בכוונון של פחות היפרפרמטרים. הדבר מרמז על יתרון אפשרי לאופטימיזציה בייסיאנית במסגרת המסחר ההסתגלותי שנבחנה. עם זאת, התיאור שסופק אינו כולל תשואות מוחלטות, אומדני אי־ודאות או פרטים על תרחישי השוק והגדרות הפרמטרים. הראיות מוגבלות להשוואה המדומה המתוארת, ולכן אינן מוכיחות ש־PRBO יגבר בשווקים חיים או מול אמות מידה ובתנאים אחרים.

רעיונות מרכזיים

• המאמר ממדל התאמת פרמטרי מסחר לתנאים משתנים כבעיית שודד רב־זרועות לא־נייחת עם מרחב רציף.
• PRBO משתמש באופטימיזציה בייסיאנית במסגרת שודד־על־שודדים להתאמת פרמטרי אסטרטגיה.
• ההערכה משתמשת בסימולציה של בורסת בריסטול עם סוכנים אוטומטיים בעלי אסטרטגיות מגוונות.
• PRBO מושווה ל־PRSH, שמתאים פרמטרים באמצעות טיפוס סטוכסטי במעלה הגבעה.
• בסימולציה המדווחת, PRBO הניב רווח גבוה משמעותית ונזקק לכוונון של פחות היפרפרמטרים.
• הקטע אינו מוכיח ביצועים בשווקים חיים או מול אמות מידה אחרות.

תגיות

# Nonstationary Continuum-Armed Bandit Strategies for Automated Trading in a Simulated Financial Market


# Nonstationary Continuum-Armed Bandit Strategies for Automated Trading in a Simulated Financial Market









We approach the problem of designing an automated trading strategy that can consistently profit by adapting to changing market conditions. This challenge can be framed as a Nonstationary Continuum-Armed Bandit (NCAB) problem. To solve the NCAB problem, we propose PRBO, a novel trading algorithm that uses Bayesian optimization and a ``bandit-over-bandit'' framework to dynamically adjust strategy parameters in response to market conditions. We use Bristol Stock Exchange (BSE) to simulate financial markets containing heterogeneous populations of automated trading agents and compare PRBO with PRSH, a reference trading strategy that adapts strategy parameters through stochastic hill-climbing. Results show that PRBO generates significantly more profit than PRSH, despite having fewer hyperparameters to tune. The code for PRBO and performing experiments is available online open-source (https://github.com/HarmoniaLeo/PRZI-Bayesian-Optimisation).

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.