암호화폐 포트폴리오 관리를 위한 강화학습

기사 arXiv papers · 저자: Kamal Paykan

요약

이 논문은 암호화폐 포트폴리오 관리에 Soft Actor-Critic(SAC)과 Deep Deterministic Policy Gradient(DDPG)를 활용하는 방안을 제안합니다. 에이전트는 과거 시장 데이터를 사용한 시뮬레이션 환경에서 연속적인 매매 행동을 학습하고, 하방 위험과 거래 비용을 고려하면서 누적 수익을 추구하도록 포트폴리오 비중을 조정합니다. SAC은 엔트로피 정규화 목적 함수를 사용하며, 논문은 이를 잡음이 많은 환경에서 더 높은 안정성과 연결합니다.

여러 암호화폐를 대상으로 한 실험에서 두 에이전트 모두 동일 비중 및 평균·분산 포트폴리오 기준을 웃돌았으며, SAC은 DDPG보다 안정성과 견고성이 높았다고 보고합니다. 요약에는 자산, 표본 기간, 시장 가정, 거래 비용 모델, 수치 결과가 명시되지 않습니다. 과거 데이터를 사용한 시뮬레이션 환경의 실험 평가가 근거이므로, 이 결과만으로 실거래나 다른 시장 환경에서도 비슷한 성과를 낼 것이라고 볼 수는 없습니다.

핵심 아이디어

SAC과 DDPG 에이전트는 시뮬레이션 환경에서 과거 시장 데이터로 연속적인 포트폴리오 행동을 학습합니다.
에이전트는 수익, 하방 위험, 거래 비용을 고려해 포트폴리오 비중을 조정합니다.
여러 암호화폐에서 동일 비중 및 평균·분산 기준보다 나은 성과를 보고합니다.
잡음이 많은 시장 환경에서 SAC이 DDPG보다 안정적이라고 보고합니다.
요약에는 실험 설정이나 구체적인 성과 수치가 없습니다.

# 2511.20678


# Cryptocurrency Portfolio Management with Reinforcement Learning: Soft Actor--Critic and Deep Deterministic Policy Gradient Algorithms









This paper proposes a reinforcement learning--based framework for cryptocurrency portfolio management using the Soft Actor--Critic (SAC) and Deep Deterministic Policy Gradient (DDPG) algorithms. Traditional portfolio optimization methods often struggle to adapt to the highly volatile and nonlinear dynamics of cryptocurrency markets. To address this, we design an agent that learns continuous trading actions directly from historical market data through interaction with a simulated trading environment. The agent optimizes portfolio weights to maximize cumulative returns while minimizing downside risk and transaction costs. Experimental evaluations on multiple cryptocurrencies demonstrate that the SAC and DDPG agents outperform baseline strategies such as equal-weighted and mean--variance portfolios. The SAC algorithm, with its entropy-regularized objective, shows greater stability and robustness in noisy market conditions compared to DDPG. These results highlight the potential of deep reinforcement learning for adaptive and data-driven portfolio management in cryptocurrency markets.

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

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

암호화폐 포트폴리오 관리를 위한 강화학습

요약

핵심 아이디어

태그