सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

अनुकूलनशील गैर-स्थिर ट्रेडिंग रणनीतियों के लिए बेयज़ियन अनुकूलन

लेख arXiv papers · लेखक: Bingde Liu et al.
मूल स्रोत पढ़ें

सारांश

यह शोधपत्र बदलती बाज़ार स्थितियों में स्वचालित ट्रेडिंग को गैर-स्थिर, सतत-आर्म्ड बैंडिट समस्या के रूप में रखता है। यह PRBO प्रस्तुत करता है, जो स्थितियों के बदलने पर रणनीति पैरामीटर समायोजित करने के लिए बेयज़ियन अनुकूलन को बैंडिट-ओवर-बैंडिट तरीके से जोड़ता है। इस विधि का मूल्यांकन ब्रिस्टल स्टॉक एक्सचेंज सिमुलेशन में किया गया है, जहाँ विविध रणनीतियों वाले स्वचालित एजेंट बाज़ार में भाग लेते हैं। इसका बेंचमार्क PRSH है, जो स्टोकास्टिक हिल-क्लाइम्बिंग से पैरामीटर समायोजित करता है।

रिपोर्ट किए गए सिमुलेशन नतीजों में PRBO ने PRSH से काफ़ी अधिक मुनाफ़ा कमाया और उसे ट्यून करने के लिए कम हाइपरपैरामीटर चाहिए थे। यह परीक्षण किए गए अनुकूलनशील ट्रेडिंग सेटअप में बेयज़ियन अनुकूलन की संभावित बढ़त का संकेत देता है। हालांकि, उपलब्ध विवरण में निरपेक्ष रिटर्न, अनिश्चितता अनुमान या बाज़ार परिदृश्यों और पैरामीटर सेटिंग का विवरण नहीं है। साक्ष्य बताई गई सिमुलेशन तुलना तक सीमित है, इसलिए यह स्थापित नहीं होता कि PRBO लाइव बाज़ारों में या अन्य बेंचमार्क और स्थितियों में बेहतर प्रदर्शन करेगा।

मुख्य विचार

  • शोधपत्र बदलती स्थितियों के अनुसार ट्रेडिंग पैरामीटर ढालने को गैर-स्थिर सतत-आर्म्ड बैंडिट समस्या के रूप में मॉडल करता है।
  • PRBO रणनीति पैरामीटर समायोजित करने के लिए बैंडिट-ओवर-बैंडिट ढाँचे में बेयज़ियन अनुकूलन इस्तेमाल करता है।
  • मूल्यांकन में विविध स्वचालित एजेंटों वाला ब्रिस्टल स्टॉक एक्सचेंज सिमुलेशन इस्तेमाल हुआ।
  • PRBO की तुलना PRSH से की गई है, जो स्टोकास्टिक हिल-क्लाइम्बिंग से पैरामीटर ढालता है।
  • रिपोर्ट किए गए सिमुलेशन में PRBO ने कम हाइपरपैरामीटर ट्यूनिंग के साथ काफ़ी अधिक मुनाफ़ा दिया।
  • अंश लाइव बाज़ारों या अन्य बेंचमार्क में प्रदर्शन स्थापित नहीं करता।

टैग

मशीन लर्निंगबैकटेस्टिंगइक्विटीसांख्यिकी
पूरा पाठ
# 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).

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।