유전 알고리즘으로 암호화폐 전략 최적화

기사 arXiv papers · 저자: Qiushi Tian et al.

요약

이 문서는 유전 알고리즘과 여러 지능형 에이전트의 협력을 결합한 암호화폐 트레이딩 전략 최적화 프레임워크를 제시합니다. 시장 상황이 변할 때 전략 매개변수를 조정하도록 설계됐으며, 실시간 시장 미시구조 정보와 전략 성과 피드백을 이용해 진화 탐색을 이끕니다. 이 접근법은 변동성이 크고 비정상성을 보이는 시장에는 기존의 정적 매개변수 최적화가 적합하지 않다는 저자들의 문제의식에 대응합니다.

보고된 평가는 암호화폐 세 종목을 다루며 총수익률과 위험 조정 지표가 통계적으로 유의하게 개선됐다고 밝힙니다. 발췌문에는 자산, 평가 기간, 비교 기준, 거래 비용 가정, 검증 설계가 명시되어 있지 않습니다. 이러한 정보가 빠져 있어 견고성이나 보고된 수익 개선이 실거래에서도 지속될지 판단하기 어렵습니다.

핵심 아이디어

이 프레임워크는 여러 에이전트의 협력과 유전 알고리즘을 결합해 트레이딩 전략 매개변수를 최적화합니다.
시장 미시구조 신호와 전략 성과 피드백이 적응형 탐색을 이끕니다.
저자들은 암호화폐 세 종목에서 수익률과 위험 조정 성과가 개선됐다고 보고합니다.
발췌문은 실용적 견고성을 평가하는 데 필요한 검증 설정, 비용, 비교 방법을 설명하지 않습니다.

# 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.

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

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

암호화폐 전략 최적화를 위한 다중 에이전트 유전 알고리즘

요약

핵심 아이디어

태그