コンテンツへスキップ
ライブラリの全資料

動的な取引サイズ調整を伴う暗号資産ペア取引への強化学習

記事 arXiv papers · 著者: Hongshen Yang et al.
原文を読む

サマリー

この研究は、相関する資産間の価格差を取引する統計的裁定手法である暗号資産のペアトレードを、強化学習で改善できるかを調べています。著者らは取引環境を構築し、暗号資産ペアをいつ、どのように取引するかを選ぶエージェントを訓練しています。また、取引判断を動的に適応させることを目指し、学習タスクの報酬整形、観測空間、行動空間も設計しています。

実験では1分足のBTC-GBPとBTC-EURのデータを使用しています。従来型のペアトレードの年率利益は8.33%と報告され、検証した強化学習エージェントでは学習器に応じて9.94%から31.53%の範囲でした。これらの結果は報告された実験で過去の成績が強かったことを示しますが、それだけで実運用の収益性が確認されるわけではありません。取引コスト、リスク調整後の比較、アウト・オブ・サンプル検証の詳細は示されていないため、説明されたデータと評価の範囲内で結果を捉える必要があります。

主なアイデア

  • 相関する暗号資産間のペアトレードに強化学習を適用しています。
  • 構築した環境内で、取引のタイミングとサイズを選ぶエージェントを訓練しています。
  • 独自の報酬整形、観測空間、行動空間を用いています。
  • 実験ではBTC-GBPとBTC-EURの1分足データを対象としています。
  • 報告されたRL利益の範囲は従来型戦略の結果を上回りますが、実運用での頑健性やコストは要約から分かりません。

タグ

暗号資産ペア取引裁定取引機械学習バックテスト
全文
# Reinforcement Learning Pair Trading: A Dynamic Scaling approach


# Reinforcement Learning Pair Trading: A Dynamic Scaling approach









Cryptocurrency is a cryptography-based digital asset with extremely volatile prices. Around USD 70 billion worth of cryptocurrency is traded daily on exchanges. Trading cryptocurrency is difficult due to the inherent volatility of the crypto market. This study investigates whether Reinforcement Learning (RL) can enhance decision-making in cryptocurrency algorithmic trading compared to traditional methods. In order to address this question, we combined reinforcement learning with a statistical arbitrage trading technique, pair trading, which exploits the price difference between statistically correlated assets. We constructed RL environments and trained RL agents to determine when and how to trade pairs of cryptocurrencies. We developed new reward shaping and observation/action spaces for reinforcement learning. We performed experiments with the developed reinforcement learner on pairs of BTC-GBP and BTC-EUR data separated by 1 min intervals (n=263,520). The traditional non-RL pair trading technique achieved an annualized profit of 8.33%, while the proposed RL-based pair trading technique achieved annualized profits from 9.94% to 31.53%, depending upon the RL learner. Our results show that RL can significantly outperform manual and traditional pair trading techniques when applied to volatile markets such as~cryptocurrencies.

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。