본문으로 건너뛰기
라이브러리 문서 전체

대출과 공매도를 활용한 가상자산 선물 포트폴리오 강화학습

기사 arXiv papers · 저자: Ali Habibnia et al.
원문 읽기

요약

이 연구는 고위험 환경에 적용할 강화학습 포트폴리오 관리자를 제안합니다. 양방향 거래와 대출·차입을 결합하고 손익 보상을 사용해 하방 리스크 관리와 자본 활용을 개선하려 합니다. 구현에는 소프트 액터-크리틱 에이전트와 합성곱 신경망, 멀티헤드 어텐션을 결합합니다. 포트폴리오는 무기한 선물로 거래되는 가상자산으로 구성되며, USDT을 대출과 차입에 사용하고 최근 시장 데이터를 바탕으로 주기적으로 리밸런싱합니다.

모델은 변동성 조건이 서로 다른 두 기간에서 평가됐으며, 저자들은 특히 변동성이 높은 시나리오에서 벤치마크보다 좋은 성과를 냈다고 보고합니다. 발췌문에는 벤치마크 이름, 상세한 위험 지표, 거래 비용 처리 방법, 해당 과거 검정 외의 근거가 없습니다. 따라서 결과는 보고된 평가를 설명할 뿐이며, 다른 기간이나 실거래에서도 수익성을 유지한다고 입증하지 않습니다.

핵심 아이디어

  • 포트폴리오 관리자는 롱·숏 거래와 대출·차입을 결합합니다.
  • 손익 보상으로 하방 리스크 관리와 자본 배분을 지원하도록 설계합니다.
  • 소프트 액터-크리틱과 합성곱 신경망, 멀티헤드 어텐션을 사용합니다.
  • 분산된 가상자산 무기한 선물 포트폴리오를 주기적으로 리밸런싱하며 모델을 평가합니다.
  • 변동성이 높은 시험 기간에서 벤치마크를 웃도는 성과를 보고하지만, 일반화 가능성은 명확하지 않습니다.

태그

가상자산무기한 선물머신러닝리스크 관리포트폴리오 구성백테스트
전문
# Optimizing Portfolio with Two-Sided Transactions and Lending: A Reinforcement Learning Framework


# Optimizing Portfolio with Two-Sided Transactions and Lending: A Reinforcement Learning Framework









This study presents a Reinforcement Learning (RL)-based portfolio management model tailored for high-risk environments, addressing the limitations of traditional RL models and exploiting market opportunities through two-sided transactions and lending. Our approach integrates a new environmental formulation with a Profit and Loss (PnL)-based reward function, enhancing the RL agent's ability in downside risk management and capital optimization. We implemented the model using the Soft Actor-Critic (SAC) agent with a Convolutional Neural Network with Multi-Head Attention (CNN-MHA). This setup effectively manages a diversified 12-crypto asset portfolio in the Binance perpetual futures market, leveraging USDT for both granting and receiving loans and rebalancing every 4 hours, utilizing market data from the preceding 48 hours. Tested over two 16-month periods of varying market volatility, the model significantly outperformed benchmarks, particularly in high-volatility scenarios, achieving higher return-to-risk ratios and demonstrating robust profitability. These results confirm the model's effectiveness in leveraging market dynamics and managing risks in volatile environments like the cryptocurrency market.

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

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