マルチエージェント遺伝的アルゴリズムによる暗号資産戦略の適応的最適化
記事 arXiv papers · 著者: Qiushi Tian et al.
サマリー
この文書では、遺伝的アルゴリズムと複数の知的エージェント間の連携を組み合わせた、暗号資産の売買戦略最適化の枠組みを提示します。市場環境の変化に合わせて戦略パラメーターを調整するよう設計されており、リアルタイムの市場ミクロ構造情報と戦略成績からのフィードバックを使って進化的探索を導きます。この手法は、従来の静的なパラメーター最適化は変動が大きく非定常な市場には適さないという著者らの問題意識に対応しています。
報告された評価では3種類の暗号資産を対象とし、総リターンとリスク調整後指標に統計的に有意な改善が見られました。抜粋には対象資産、評価期間、比較対象、取引コストの仮定、検証設計が示されていません。これらの情報が欠けているため、頑健性や、報告された利益が実運用でも持続するかを判断することは困難です。
主なアイデア
- この枠組みは、遺伝的アルゴリズムと複数エージェント間の連携を組み合わせ、売買戦略のパラメーターを最適化します。
- 市場ミクロ構造のシグナルと戦略成績からのフィードバックで、探索を適応的に導きます。
- 著者らは3種類の暗号資産で、リターンとリスク調整後パフォーマンスの改善を報告しています。
- 実務上の頑健性を評価するために必要な検証設定、コスト、比較手法は抜粋に記載されていません。
タグ
全文
# Agent-Based Genetic Algorithm for Crypto Trading Strategy Optimization # Agent-Based Genetic Algorithm for Crypto Trading Strategy Optimization Cryptocurrency markets present formidable challenges for trading strategy optimization due to extreme volatility, non-stationary dynamics, and complex microstructure patterns that render conventional parameter optimization methods fundamentally inadequate. We introduce Cypto Genetic Algorithm Agent (CGA-Agent), a pioneering hybrid framework that synergistically integrates genetic algorithms with intelligent multi-agent coordination mechanisms for adaptive trading strategy parameter optimization in dynamic financial environments. The framework uniquely incorporates real-time market microstructure intelligence and adaptive strategy performance feedback through intelligent mechanisms that dynamically guide evolutionary processes, transcending the limitations of static optimization approaches. Comprehensive empirical evaluation across three cryptocurrencies demonstrates systematic and statistically significant performance improvements on both total returns and risk-adjusted metrics.
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。