본문으로 건너뛰기
라이브러리 문서 전체

베이지안 최적화로 적응형 트레이딩 전략 조정

기사 arXiv papers · 저자: Bingde Liu et al.
원문 읽기

요약

이 논문은 시장 여건이 바뀌는 상황의 자동매매를 비정상 연속 무장 밴딧 문제로 설정합니다. PRBO를 제안하는데, 베이지안 최적화와 밴딧 위의 밴딧 접근법을 결합해 여건 변화에 따라 전략 매개변수를 조정합니다. 다양한 전략을 가진 자동화 에이전트가 참여하는 브리스톨 증권거래소 시뮬레이션에서 이 방법을 평가합니다. 비교 기준은 확률적 언덕 오르기로 매개변수를 조정하는 전략인 PRSH입니다.

보고된 시뮬레이션 결과에서 PRBO는 PRSH보다 훨씬 많은 수익을 내면서 조정해야 할 하이퍼파라미터는 더 적었습니다. 이는 검증된 적응형 트레이딩 설정에서 베이지안 최적화가 유리할 가능성을 시사합니다. 그러나 제공된 설명에는 절대 수익률, 불확실성 추정치, 시장 시나리오와 매개변수 설정에 관한 세부 정보가 없습니다. 근거는 명시된 시뮬레이션 비교에 한정되므로, PRBO가 실거래 시장이나 다른 비교 기준 및 여건에서도 우수할 것이라고 입증하지 않습니다.

핵심 아이디어

  • 이 논문은 변화하는 여건에 맞춰 트레이딩 매개변수를 조정하는 문제를 비정상 연속 행동 밴딧으로 모형화합니다.
  • PRBO는 밴딧 위의 밴딧 프레임워크에서 베이지안 최적화를 사용해 전략 매개변수를 조정합니다.
  • 평가에는 서로 다른 자동화 에이전트가 참여하는 브리스톨 증권거래소 시뮬레이션을 사용합니다.
  • PRBO를 확률적 언덕 오르기로 매개변수를 조정하는 PRSH와 비교합니다.
  • 보고된 시뮬레이션에서 PRBO는 더 적은 하이퍼파라미터를 조정하면서 훨씬 높은 수익을 냈습니다.
  • 발췌문은 실거래 시장이나 다른 비교 기준에서의 성과를 입증하지 않습니다.

태그

머신러닝백테스트주식통계
전문
# 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).

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.