Глубокое обучение с подкреплением для распределения криптовалютного портфеля

Сводка

В статье описана безмодельная свёрточная нейронная сеть, которая принимает исторические цены набора активов и выдаёт веса портфеля. Она обучается с помощью обучения с подкреплением, где вознаграждением служит совокупная доходность. Обучающие данные охватывают 0.7 лет цен криптовалют с биржи, а описанный торговый интервал составляет 30 минут.

Бэктесты на том же рынке показывают десятикратную доходность за период 1.8 месяцев; результаты сравнивались с несколькими недавно опубликованными стратегиями выбора портфеля. В отрывке не указаны биржа, активы, подробности бенчмарков, транзакционные издержки или независимость оценочных данных от обучающих. Короткая история обучения и проверка на том же рынке ограничивают выводы об устойчивости и переносе метода на другие рынки; описанные результаты не подтверждают заявление о его применимости в других условиях.

Ключевые идеи

• Свёрточная нейронная сеть преобразует исторические цены активов в веса портфеля.
• Модель обучается с подкреплением для максимизации совокупной доходности.
• Заявленная обучающая выборка охватывает 0.7 лет данных о ценах криптовалют.
• Бэктесты используют торговые интервалы в 30 минут на том же рынке и показывают десятикратную доходность за 1.8 месяцев.
• В отрывке не доказаны устойчивость вне выборки или эффективность на других рынках.

Теги

# Cryptocurrency Portfolio Management with Deep Reinforcement Learning


# Cryptocurrency Portfolio Management with Deep Reinforcement Learning









Portfolio management is the decision-making process of allocating an amount of fund into different financial investment products. Cryptocurrencies are electronic and decentralized alternatives to government-issued money, with Bitcoin as the best-known example of a cryptocurrency. This paper presents a model-less convolutional neural network with historic prices of a set of financial assets as its input, outputting portfolio weights of the set. The network is trained with 0.7 years' price data from a cryptocurrency exchange. The training is done in a reinforcement manner, maximizing the accumulative return, which is regarded as the reward function of the network. Backtest trading experiments with trading period of 30 minutes is conducted in the same market, achieving 10-fold returns in 1.8 months' periods. Some recently published portfolio selection strategies are also used to perform the same back-tests, whose results are compared with the neural network. The network is not limited to cryptocurrency, but can be applied to any other financial markets.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.