מסחר ברשת Deep Q שאומנה על מסלולי שוק סינתטיים
סיכום
המאמר מציג את Trading Deep Q-Network (TDQN), גישת למידת חיזוק עמוקה לבחירת פוזיציות בשוק המניות לאורך זמן. הוא מתאים את שיטת DQN למסחר ומגדיר את יחס Sharpe כמדד הביצועים שהאסטרטגיה מבקשת למקסם. המטרה המתוארת היא למצוא פוזיציות מתאימות במהלך המסחר, ולא רק ליישם אלגוריתם למידת חיזוק כללי ללא שינוי.
הסוכן מאומן באמצעות מסלולים מלאכותיים שנוצרו ממערך מוגבל של נתוני מניות היסטוריים. המאמר מציע גם שיטה קפדנית יותר להערכת אסטרטגיות מסחר ומדווח על תוצאות מבטיחות של TDQN בהערכה זו. התיאור שסופק אינו מפרט את השווקים, פרטי מערך הנתונים, אסטרטגיות ההשוואה, תוצאות מספריות או הליכי ההערכה, ולכן אי אפשר לשפוט על סמך הטקסט לבדו את הביצועים המדווחים או את יכולת ההכללה שלהם. מסלולים סינתטיים ונתונים היסטוריים מוגבלים הם מאפיינים מרכזיים של הגישה, אך יצירתם והשלכותיהם אינן מוסברות כאן.
רעיונות מרכזיים
- TDQN מתאימה למידת Q עמוקה לבחירת פוזיציות מסחר בשוקי המניות.
- האסטרטגיה תוכננה למקסם ביצועים לפי יחס Sharpe.
- האימון משתמש במסלולים מלאכותיים שנוצרו ממערך נתונים היסטורי מוגבל.
- המאמר מציע שיטה קפדנית יותר להערכת ביצועים ומדווח על תוצאות מבטיחות.
- התיאור הזמין אינו כולל פרטי יישום וראיות מספריות הדרושים להערכת החוסן.
תגיות
הטקסט המלא
# An Application of Deep Reinforcement Learning to Algorithmic Trading # An Application of Deep Reinforcement Learning to Algorithmic Trading This scientific research paper presents an innovative approach based on deep reinforcement learning (DRL) to solve the algorithmic trading problem of determining the optimal trading position at any point in time during a trading activity in stock markets. It proposes a novel DRL trading strategy so as to maximise the resulting Sharpe ratio performance indicator on a broad range of stock markets. Denominated the Trading Deep Q-Network algorithm (TDQN), this new trading strategy is inspired from the popular DQN algorithm and significantly adapted to the specific algorithmic trading problem at hand. The training of the resulting reinforcement learning (RL) agent is entirely based on the generation of artificial trajectories from a limited set of stock market historical data. In order to objectively assess the performance of trading strategies, the research paper also proposes a novel, more rigorous performance assessment methodology. Following this new performance assessment approach, promising results are reported for the TDQN strategy.
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.