본문으로 건너뛰기
라이브러리 문서 전체

양자 LSTM 예측과 강화학습을 결합한 FX 트레이딩

기사 arXiv papers · 저자: Jun-Hao Chen et al.
원문 읽기

요약

이 문서는 단기 추세 예측을 위한 양자 장단기 메모리(Quantum LSTM, QLSTM)와 양자 비동기 어드밴티지 액터 크리틱(QA3C)을 결합한 롱 온리 USD/TWD 트레이딩 에이전트를 설명합니다. 상태에는 QLSTM 특성과 기술 지표가 사용되며, 보상은 추세 추종과 리스크 통제를 지원하도록 설계되었습니다. 보고된 설정은 시퀀스 길이 4와 QA3C 워커 8개를 사용하고, 2000년부터 2025년까지의 데이터를 훈련 세트와 테스트 세트로 나눕니다.

저자들은 약 5년 동안 11.87% 수익률과 0.92% 최대 드로다운을 보고하며, 에이전트가 여러 통화 ETF보다 높은 성과를 보였다고 합니다. 이러한 결과는 엄격한 리스크 한도 아래 작은 수익을 노리는 거래에 하이브리드 접근법이 적합할 수 있다는 근거로 제시됩니다. 문서는 실험을 간략히 설명할 뿐, 상세한 비교나 통계적 불확실성, 견고성을 평가할 정보는 충분히 제공하지 않습니다. 또한 양자 방법은 고전적 시뮬레이션으로 실행했고 전략은 단순화했다고 밝힙니다. 따라서 이 결과는 양자 하드웨어의 우위를 입증하거나 다른 시장에 자동으로 일반화되지 않습니다.

핵심 아이디어

  • 이 에이전트는 QLSTM 단기 추세 예측과 QA3C 강화학습을 결합해 USD/TWD를 트레이딩합니다.
  • 상태에는 예측 특성과 기술 지표가 포함되고, 보상은 추세 추종과 리스크 통제를 고려합니다.
  • 보고된 롱 온리 결과는 약 5년간 11.87% 수익률과 0.92% 최대 드로다운을 포함합니다.
  • 양자 구성 요소는 고전적으로 시뮬레이션했으며, 저자들은 전략이 단순화되었다고 설명합니다.

태그

외환머신러닝추세 추종리스크 관리기술 지표백테스트
전문
# Quantum-Enhanced Forecasting for Deep Reinforcement Learning in Algorithmic Trading


# Quantum-Enhanced Forecasting for Deep Reinforcement Learning in Algorithmic Trading









The convergence of quantum-inspired neural networks and deep reinforcement learning offers a promising avenue for financial trading. We implemented a trading agent for USD/TWD by integrating Quantum Long Short-Term Memory (QLSTM) for short-term trend prediction with Quantum Asynchronous Advantage Actor-Critic (QA3C), a quantum-enhanced variant of the classical A3C. Trained on data from 2000-01-01 to 2025-04-30 (80\% training, 20\% testing), the long-only agent achieves 11.87\% return over around 5 years with 0.92\% max drawdown, outperforming several currency ETFs. We detail state design (QLSTM features and indicators), reward function for trend-following/risk control, and multi-core training. Results show hybrid models yield competitive FX trading performance. Implications include QLSTM's effectiveness for small-profit trades with tight risk and future enhancements. Key hyperparameters: QLSTM sequence length$=$4, QA3C workers$=$8. Limitations: classical quantum simulation and simplified strategy. \footnote{The views expressed in this article are those of the authors and do not represent the views of Wells Fargo. This article is for informational purposes only. Nothing contained in this article should be construed as investment advice. Wells Fargo makes no express or implied warranties and expressly disclaims all legal, tax, and accounting implications related to this article.

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

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