सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

विभिन्न बाज़ारों में ट्रेडिंग के लिए डीप रीइन्फोर्समेंट लर्निंग

लेख arXiv papers · लेखक: Jędrzej Maskiewicz et al.
मूल स्रोत पढ़ें

सारांश

यह शोध ट्रेडिंग के लिए दो डीप रीइन्फोर्समेंट लर्निंग विधियों, डबल डीप क्यू-नेटवर्क और प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन, का मूल्यांकन करता है। उनके प्रदर्शन की तुलना 2019 से 2023 तक के दैनिक डेटा का उपयोग करके खरीदकर-रखने वाले बेंचमार्क से की गई है। वर्णित परिसंपत्तियों में तीन मुद्रा जोड़े, S&P 500 सूचकांक और बिटकॉइन शामिल हैं।

रिपोर्ट किए गए परिणाम बताते हैं कि रीइन्फोर्समेंट लर्निंग प्रणालियाँ प्रतिकूल परिस्थितियों में ट्रेड से बच सकती हैं और शास्त्रीय पर्यवेक्षित-लर्निंग तरीकों से बेहतर जोखिम-समायोजित प्रतिफल प्राप्त कर सकती हैं। इससे संकेत मिलता है कि बाज़ार से बाहर रहने का समय चुन सकने वाली नीति जोखिम प्रबंधन के साथ-साथ ट्रेड चयन में भी योगदान दे सकती है। सारांश में मुद्रा जोड़ों, मॉडल डिज़ाइन, लेन-देन लागत, सत्यापन प्रक्रिया या अलग-अलग परिसंपत्तियों के परिणाम निर्दिष्ट नहीं हैं, और इसमें प्रदर्शन के कोई संख्यात्मक माप नहीं दिए गए हैं। इसलिए निष्कर्षों को अध्ययन के परीक्षण किए गए डेटा और व्यवस्था के दावों के रूप में पढ़ें, इस प्रमाण के रूप में नहीं कि ये विधियाँ अन्य अवधियों या लाइव ट्रेडिंग में भी लागू होंगी।

मुख्य विचार

  • अध्ययन DDQN और PPO की तुलना खरीदकर-रखने वाले बेंचमार्क से करता है।
  • यह मुद्रा जोड़ों, एक इक्विटी सूचकांक और बिटकॉइन के दैनिक डेटा पर रणनीतियों का मूल्यांकन करता है।
  • लेखकों के अनुसार परीक्षण अवधि 2019 से 2023 तक है।
  • लेखक प्रतिकूल ट्रेड से बचने को इन विधियों के जोखिम प्रबंधन का एक हिस्सा बताते हैं।
  • अध्ययन में रिपोर्ट किए गए जोखिम-समायोजित प्रतिफल शास्त्रीय पर्यवेक्षित-लर्निंग तरीकों से अधिक हैं।

टैग

मशीन लर्निंगइक्विटीविदेशी मुद्राक्रिप्टोजोखिम प्रबंधन
पूरा पाठ
# Can Artificial Intelligence Trade the Stock Market?


# Can Artificial Intelligence Trade the Stock Market?









The paper explores the use of Deep Reinforcement Learning (DRL) in stock market trading, focusing on two algorithms: Double Deep Q-Network (DDQN) and Proximal Policy Optimization (PPO) and compares them with Buy and Hold benchmark. It evaluates these algorithms across three currency pairs, the S&P 500 index and Bitcoin, on the daily data in the period of 2019-2023. The results demonstrate DRL's effectiveness in trading and its ability to manage risk by strategically avoiding trades in unfavorable conditions, providing a substantial edge over classical approaches, based on supervised learning in terms of risk-adjusted returns.

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।