Глубокое обучение с подкреплением для динамической торговли криптовалютными парами

Сводка

В исследовании проверяется глубокое обучение с подкреплением как дополнительный слой исполнения для парной торговли на волатильных рынках криптовалют. Сначала платформа отбирает и ранжирует потенциальные пары, затем агент Proximal Policy Optimization со слоем Long Short-Term Memory принимает решения об исполнении. Конструкция с фиксированным риском и адаптивным средним, а также детерминированные ограничения риска сдерживают агента, стремясь снизить риск расхождения. Оценка использует часовые данные по фьючерсам Binance USD-M и сравнивает обученную политику с эвристическим базовым методом.

Согласно сообщённым результатам вне выборки, преимущество на стороне политики обучения с подкреплением; стационарный круговой блочный бутстрэп показывает статистически значимое превосходство с поправкой на риск на уровне 10 процентов. Результат не достигает более строгого порога значимости в 5 процентов; исследование связывает это с высокой идиосинкратической дисперсией цифровых активов. Свидетельства относятся к проверенным данным и конфигурации; в описании нет величин эффективности, предположений о транзакционных издержках или тестов на других площадках и периодах. Гибридная конструкция позволяет ограничивать решения об исполнении, принимаемые обученной моделью, однако более широкая устойчивость остаётся открытым вопросом.

Ключевые идеи

• Предлагаемая система сочетает статистический отбор пар с обучаемым дополнительным слоем исполнения.
• Агент PPO с LSTM принимает решения об исполнении в рамках детерминированных ограничений риска.
• В исследовании подход оценивается на часовых данных по фьючерсам Binance USD-M и сравнивается с эвристическим базовым методом.
• Сообщаемое превосходство с поправкой на риск значимо на уровне 10 процентов, но не на уровне 5 процентов.
• Результаты относятся к проверенным рынку, данным и конфигурации стратегии.

Теги

# Dynamic Multi-Pair Trading Strategy in Cryptocurrency Markets with Deep Reinforcement Learning


# Dynamic Multi-Pair Trading Strategy in Cryptocurrency Markets with Deep Reinforcement Learning









This study aims to determine whether the application of Deep Reinforcement Learning (DRL) as a specialized execution overlay can enhance pair trading in highly volatile cryptocurrency markets. Although classical implementations of the strategy have proven successful in traditional equities, they frequently exhibit rigidity and suffer from severe divergence risks when applied to high-variance environments. To address this need, this research introduces novel concepts. To construct a robust system, we developed a hierarchical "Filter-then-Rank" pair selection methodology and a proprietary "Fixed Risk, Adaptive Mean" execution model. The system employs a Proximal Policy Optimization (PPO) agent with a Long Short-Term Memory (LSTM) layer to govern execution decisions within strict deterministic risk management boundaries. Evaluated on 1-hour interval data from the Binance USD-M Futures market, the optimized RL policy achieved an out-of-sample performance that substantially outperformed the heuristic baseline. A stationary circular block bootstrap robustness check confirms that the agent's risk-adjusted outperformance is statistically significant at the 10 percent level. Although falling marginally short of the stricter 5 percent threshold, this result highlights the extreme idiosyncratic variance characteristic of digital assets. Ultimately, this thesis contributes to the quantitative finance literature by introducing a hybrid architecture that combines statistical arbitrage with DRL execution policies. Furthermore, it delivers a novel framework for safe reinforcement learning via deterministic shielding, proving that anchoring a neural policy to statistically robust boundaries successfully mitigates severe divergence risks.

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.