コンテンツへスキップ
ライブラリの全資料

非定常なトレード戦略を適応させるベイズ最適化

記事 arXiv papers · 著者: Bingde Liu et al.
原文を読む

サマリー

本論文は、市場環境の変化に応じた自動売買を、非定常な連続腕バンディット問題として捉えます。PRBOを提案し、ベイズ最適化とバンディット・オーバー・バンディットの手法を組み合わせ、市場環境の変化に合わせて戦略パラメータを調整します。この手法は、異質な戦略を持つ自動エージェントが参加するBristol Stock Exchangeのシミュレーションで評価されています。比較対象は、確率的山登り法でパラメータを調整するPRSHです。

報告されたシミュレーション結果では、PRBOは調整が必要なハイパーパラメータが少ない一方、PRSHより大幅に高い利益を上げました。これは、検証した適応型取引の設定でベイズ最適化が優位となる可能性を示します。ただし、提示された説明には絶対リターン、不確実性の推定値、市場シナリオやパラメータ設定の詳細がありません。証拠は記載されたシミュレーション比較に限られ、PRBOが実運用や他のベンチマーク・条件でも上回ることは示されていません。

主なアイデア

  • 市場環境の変化に合わせて取引パラメータを調整する問題を、非定常な連続腕バンディットとしてモデル化します。
  • PRBOは、バンディット・オーバー・バンディットの枠組みでベイズ最適化を用い、戦略パラメータを調整します。
  • 異質な自動エージェントが参加するBristol Stock Exchangeのシミュレーションで評価しています。
  • PRBOを、確率的山登り法でパラメータを調整するPRSHと比較します。
  • 報告されたシミュレーションでは、PRBOは調整するハイパーパラメータが少なく、利益が大幅に高くなりました。
  • 抜粋からは、実運用や他のベンチマークでの成績は確認できません。

タグ

機械学習バックテスト株式統計
全文
# 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).

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。