सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

स्टॉक ट्रेडिंग के लिए डीप रीइन्फोर्समेंट लर्निंग एजेंटों का समूह

लेख arXiv papers · लेखक: Hongyang Yang et al.

सारांश

यह शोधपत्र तीन actor-critic रीइन्फोर्समेंट लर्निंग एल्गोरिदम—Proximal Policy Optimization, Advantage Actor Critic और Deep Deterministic Policy Gradient—को मिलाकर स्वचालित स्टॉक-ट्रेडिंग का तरीका बताता है। एजेंटों को निवेश रिटर्न अधिकतम करने के उद्देश्य से ट्रेडिंग निर्णय सीखने के लिए प्रशिक्षित किया जाता है और उनकी खूबियों को ऐसे समूह में जोड़ा जाता है जिसका लक्ष्य अलग-अलग बाज़ार परिस्थितियों के अनुसार ढलना है। निरंतर क्रियाओं के साथ प्रशिक्षण के दौरान बड़ी मात्रा में डेटा संसाधित करने और मेमोरी उपयोग सीमित रखने के लिए मांग पर लोड करने की तकनीक भी इस्तेमाल की जाती है।

इस तरीके का मूल्यांकन Dow Jones समूह के तरल शेयरों पर किया जाता है और इसकी तुलना अलग-अलग लर्निंग एल्गोरिदम, Dow Jones Industrial Average और न्यूनतम-विचरण पोर्टफ़ोलियो से की जाती है। बताया गया नतीजा है कि समूह का Sharpe अनुपात उन अलग-अलग तरीकों और आधार रेखाओं से अधिक है। अंश में मूल्यांकन अवधि, पोर्टफ़ोलियो की विस्तृत सीमाएँ, लेनदेन-लागत की धारणाएँ या मज़बूती जाँच नहीं दी गई हैं। इसलिए इसके प्रदर्शन दावे को अध्ययन की बताई गई परीक्षण व्यवस्था के भीतर समझना चाहिए, भविष्य के रिटर्न के प्रमाण के रूप में नहीं।

मुख्य विचार

  • रणनीति PPO, A2C और DDPG actor-critic एजेंटों को एक समूह में जोड़ती है।
  • एजेंट निवेश रिटर्न को उद्देश्य बनाकर स्टॉक ट्रेडिंग के निर्णय सीखते हैं।
  • प्रशिक्षण के दौरान मेमोरी की माँग घटाने के लिए मांग पर डेटा संसाधित किया जाता है।
  • मूल्यांकन समूह की तुलना उसके घटक तरीकों, एक बाज़ार सूचकांक और न्यूनतम-विचरण पोर्टफ़ोलियो से करता है।
  • अध्ययन की परीक्षण व्यवस्था के अधीन, इन तुलनाओं में समूह का Sharpe अनुपात सबसे अधिक बताया गया है।

टैग

पूरा पाठ
# Deep Reinforcement Learning for Automated Stock Trading: An Ensemble Strategy


# Deep Reinforcement Learning for Automated Stock Trading: An Ensemble Strategy









Stock trading strategies play a critical role in investment. However, it is challenging to design a profitable strategy in a complex and dynamic stock market. In this paper, we propose an ensemble strategy that employs deep reinforcement schemes to learn a stock trading strategy by maximizing investment return. We train a deep reinforcement learning agent and obtain an ensemble trading strategy using three actor-critic based algorithms: Proximal Policy Optimization (PPO), Advantage Actor Critic (A2C), and Deep Deterministic Policy Gradient (DDPG). The ensemble strategy inherits and integrates the best features of the three algorithms, thereby robustly adjusting to different market situations. In order to avoid the large memory consumption in training networks with continuous action space, we employ a load-on-demand technique for processing very large data. We test our algorithms on the 30 Dow Jones stocks that have adequate liquidity. The performance of the trading agent with different reinforcement learning algorithms is evaluated and compared with both the Dow Jones Industrial Average index and the traditional min-variance portfolio allocation strategy. The proposed deep ensemble strategy is shown to outperform the three individual algorithms and two baselines in terms of the risk-adjusted return measured by the Sharpe ratio. This work is fully open-sourced at \href{https://github.com/AI4Finance-Foundation/Deep-Reinforcement-Learning-for-Automated-Stock-Trading-Ensemble-Strategy-ICAIF-2020}{GitHub}.

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।