שילוב אסטרטגיות למידת חיזוק עמוקה למסחר בקריפטו

סיכום

המחקר מציג גישת אנסמבל למסחר תוך־יומי בתיק מטבעות קריפטוגרפיים באמצעות למידת חיזוק עמוקה. הוא בוחר מודלים מועמדים בעזרת כמה תקופות תיקוף, ואז משלב את המדיניות שנבחרו באמצעות התפלגות תערובת. המטרה היא לשפר הכללה בסביבת שוק סטוכסטית מאוד.

המחברים מעריכים ביצועים על פני תקופות בדיקה מפורטות מחוץ למדגם ומאמנים מחדש מודלים מעת לעת כדי להתחשב בשינויים בנתונים פיננסיים. הם מדווחים על שיפור בביצועים מחוץ למדגם לעומת אסטרטגיית למידת חיזוק עמוקה עצמאית וגם לעומת השקעה פסיבית. המסמך אינו מפרט את הנכסים, העלויות, המימוש או את גודל השיפור ומובהקותו הסטטיסטית, ולכן ההשוואה המדווחת לבדה אינה מבססת יעילות במסחר חי.

רעיונות מרכזיים

• כמה תקופות תיקוף משמשות לבחירת מודלים לאנסמבל.
• מדיניות המבוססת על התפלגות תערובת משלבת את מודלי למידת החיזוק שנבחרו.
• הביצועים נבחנים בתקופות קצרות יותר מחוץ למדגם כדי להעריך חוסן כשהשווקים משתנים.
• אימון מחדש תקופתי משמש להתמודדות עם נתונים פיננסיים שאינם נייחים.
• לפי הדיווח, האנסמבל גובר בהשוואות מחוץ למדגם על אסטרטגיית למידת חיזוק עמוקה עצמאית ועל השקעה פסיבית.

תגיות

# An Ensemble Method of Deep Reinforcement Learning for Automated Cryptocurrency Trading


# An Ensemble Method of Deep Reinforcement Learning for Automated Cryptocurrency Trading









We propose an ensemble method to improve the generalization performance of trading strategies trained by deep reinforcement learning algorithms in a highly stochastic environment of intraday cryptocurrency portfolio trading. We adopt a model selection method that evaluates on multiple validation periods, and propose a novel mixture distribution policy to effectively ensemble the selected models. We provide a distributional view of the out-of-sample performance on granular test periods to demonstrate the robustness of the strategies in evolving market conditions, and retrain the models periodically to address non-stationarity of financial data. Our proposed ensemble method improves the out-of-sample performance compared with the benchmarks of a deep reinforcement learning strategy and a passive investment 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.