למידת חיזוק חוזרת למסחר במשטרים חבויים
סיכום
מאמר זה בוחן מסחר אופטימלי כאשר אות מתנהג לפי תהליך Ornstein-Uhlenbeck חוזר לממוצע, שהפרמטרים שלו משתנים לפי משטרים חבויים. הוא משלב רשתות עצביות חוזרות עם למידת חיזוק כדי להסיק מהתצפיות מידע על הממוצע החבוי של האות, מהירות החזרה שלו וסטיית התקן, ואז משתמש במידע הזה כדי להנחות עסקאות.
המחברים מציעים שלוש גישות המבוססות על DDPG: אחת מעבירה לסוכן המסחר מצבים חבויים חוזרים, ואילו שתי האחרות מספקות הסתברויות משטר מוערכות או תחזיות של ערך האות הבא. סימולציות עם דינמיקת משטרים מורכבת יותר ויישום אמפירי של מסחר בזוגות מניות מעדיפים את הגישה המבוססת על הסתברויות מבחינת התגמול המצטבר והיכולת לפרש אותה. השיטה המבוססת על תחזיות מוסיפה תועלת מוגבלת, וביצועי שיטת המצבים החבויים נמצאים בין השתיים. התוצאות מצביעות על חשיבות האופן שבו המידע המוסק מיוצג, אך הראיות במסמך מגיעות מהסימולציות ומהיישום שצוינו; הן אינן מוכיחות ביצועים בשווקים אחרים או בתנאי הפעלה אחרים.
רעיונות מרכזיים
- אות המסחר ממודל כתהליך חוזר לממוצע, שהפרמטרים שלו משתנים בין משטרים חבויים.
- רשת חוזרת מפיקה מידע זמני מתצפיות על האות.
- שלושה תכנונים של DDPG מספקים לסוכן מצבים חבויים, הסתברויות משטר או תחזיות אות.
- הגישה המבוססת על הסתברויות משטר מציגה את הביצועים הטובים ביותר בסימולציות וביישום המסחר בזוגות שדווחו.
- המידע שנמסר לסוכן משפיע הן על התגמולים המדווחים והן על יכולת הפרשנות של האסטרטגיה.
תגיות
הטקסט המלא
# Deep reinforcement learning for optimal trading with partial information # Deep reinforcement learning for optimal trading with partial information Reinforcement Learning (RL) applied to financial problems has been the subject of a lively area of research. The use of RL for optimal trading strategies that exploit latent information in the market is, to the best of our knowledge, not widely tackled. In this paper we study an optimal trading problem, where a trading signal follows an Ornstein-Uhlenbeck process with regime-switching dynamics. We employ a blend of RL and Recurrent Neural Networks (RNN) in order to make the most at extracting underlying information from the trading signal with latent parameters. The latent parameters driving mean reversion, speed, and volatility are filtered from observations of the signal, and trading strategies are derived via RL. To address this problem, we propose three Deep Deterministic Policy Gradient (DDPG)-based algorithms that integrate Gated Recurrent Unit (GRU) networks to capture temporal dependencies in the signal. The first, a one -step approach (hid-DDPG), directly encodes hidden states from the GRU into the RL trader. The second and third are two-step methods: one (prob-DDPG) makes use of posterior regime probability estimates, while the other (reg-DDPG) relies on forecasts of the next signal value. Through extensive simulations with increasingly complex Markovian regime dynamics for the trading signal's parameters, as well as an empirical application to equity pair trading, we find that prob-DDPG achieves superior cumulative rewards and exhibits more interpretable strategies. By contrast, reg-DDPG provides limited benefits, while hid-DDPG offers intermediate performance with less interpretable strategies. Our results show that the quality and structure of the information supplied to the agent are crucial: embedding probabilistic insights into latent regimes substantially improves both profitability and robustness of reinforcement learning-based trading strategies.
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.