コンテンツへスキップ
ライブラリの全資料

複数指標を用いた適応型株式取引のA2C

記事 arXiv papers · 著者: Jingfeng Pan et al.
原文を読む

サマリー

この文書では、テクニカル指標を使って株式取引を判断する強化学習エージェントQTMRLを紹介します。入力データセットは、各セクターを代表するS&P 500構成銘柄の日次価格と出来高を組み合わせ、トレンド、ボラティリティ、モメンタムを捉えることを意図した特徴量を含みます。Advantage Actor-Criticの枠組みでデータ処理、方策学習、売買行動を結び、市場環境の変化に応じた判断を目指します。

論文は、異なる市場局面で統計モデル、ニューラルネットワーク、移動平均を基準とした比較を報告し、収益性、リスク調整後パフォーマンス、下方リスク管理での優位性を主張しています。説明には指標の値、実験手順の詳細、取引コストの仮定、記載されたサンプル以外での性能を示す根拠はありません。データセットは長期の歴史を対象としていますが、その銘柄と期間での結果が他の資産や実運用にも当てはまるとは限りません。この要約はシステム設計を理解する材料となりますが、頑健性や実運用可能性は明らかではありません。

主なアイデア

  • トレンド、ボラティリティ、モメンタムの指標を強化学習と組み合わせています。
  • Advantage Actor-Criticの枠組みで売買行動を選択します。
  • 複数セクターから選んだS&P 500構成銘柄の日次データを入力に使います。
  • 統計モデル、ニューラルネットワーク、移動平均を基準としてシステムを比較しています。
  • 説明にあるパフォーマンスの主張には、数値結果や実運用の根拠が伴っていません。

タグ

株式テクニカル指標機械学習リスク管理バックテスト
全文
# QTMRL: An Agent for Quantitative Trading Decision-Making Based on Multi-Indicator Guided Reinforcement Learning


# QTMRL: An Agent for Quantitative Trading Decision-Making Based on Multi-Indicator Guided Reinforcement Learning









In the highly volatile and uncertain global financial markets, traditional quantitative trading models relying on statistical modeling or empirical rules often fail to adapt to dynamic market changes and black swan events due to rigid assumptions and limited generalization. To address these issues, this paper proposes QTMRL (Quantitative Trading Multi-Indicator Reinforcement Learning), an intelligent trading agent combining multi-dimensional technical indicators with reinforcement learning (RL) for adaptive and stable portfolio management. We first construct a comprehensive multi-indicator dataset using 23 years of S&P 500 daily OHLCV data (2000-2022) for 16 representative stocks across 5 sectors, enriching raw data with trend, volatility, and momentum indicators to capture holistic market dynamics. Then we design a lightweight RL framework based on the Advantage Actor-Critic (A2C) algorithm, including data processing, A2C algorithm, and trading agent modules to support policy learning and actionable trading decisions. Extensive experiments compare QTMRL with 9 baselines (e.g., ARIMA, LSTM, moving average strategies) across diverse market regimes, verifying its superiority in profitability, risk adjustment, and downside risk control. The code of QTMRL is publicly available at https://github.com/ChenJiahaoJNU/QTMRL.git

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。