غیر مستحکم ٹریڈنگ اسٹریٹیجی کے لیے بیزیئن آپٹیمائزیشن

خلاصہ

یہ مقالہ بدلتے ہوئے مارکیٹ حالات میں خودکار ٹریڈنگ کو غیر ساکن کنٹینیوم آرمڈ بینڈیٹ مسئلے کے طور پر پیش کرتا ہے۔ یہ PRBO تجویز کرتا ہے، جو بیزیئن آپٹیمائزیشن کو بینڈیٹ پر بینڈیٹ طریقے کے ساتھ جوڑ کر حالات بدلنے پر اسٹریٹیجی کے پیرامیٹرز کو ڈھالتا ہے۔ اس طریقے کو برسٹل اسٹاک ایکسچینج کی نقل میں جانچا گیا ہے، جہاں مختلف اسٹریٹیجیز والے خودکار ایجنٹس مارکیٹ میں موجود ہیں۔ اس کا معیار PRSH ہے، جو اسٹاکیسٹک ہل کلائمبنگ کے ذریعے پیرامیٹرز ڈھالتا ہے۔

بیان کردہ نقلی نتائج میں PRBO، PRSH سے نمایاں طور پر زیادہ منافع کماتا ہے اور اسے ٹیون کرنے کے لیے کم ہائپرپیرامیٹر درکار ہوتے ہیں۔ یہ آزمودہ موافق ٹریڈنگ نظام میں بیزیئن آپٹیمائزیشن کے ممکنہ فائدے کی طرف اشارہ کرتا ہے۔ تاہم فراہم کردہ وضاحت میں مطلق منافع، غیر یقینی کے اندازے، یا مارکیٹ کے منظرناموں اور پیرامیٹر سیٹنگز کی تفصیل نہیں۔ شواہد صرف بیان کردہ نقلی موازنے تک محدود ہیں، اس لیے یہ ثابت نہیں ہوتا کہ PRBO حقیقی مارکیٹوں یا دوسرے معیارات اور حالات میں بہتر کارکردگی دکھائے گا۔

اہم خیالات

• مقالہ بدلتے حالات کے مطابق ٹریڈنگ پیرامیٹرز ڈھالنے کو غیر ساکن کنٹینیوم آرمڈ بینڈیٹ مسئلے کے طور پر ماڈل کرتا ہے۔
• PRBO اسٹریٹیجی کے پیرامیٹرز ڈھالنے کے لیے بینڈیٹ پر بینڈیٹ خاکے میں بیزیئن آپٹیمائزیشن استعمال کرتا ہے۔
• جانچ میں برسٹل اسٹاک ایکسچینج کی نقل اور مختلف اسٹریٹیجیز والے خودکار ایجنٹس شامل ہیں۔
• PRBO کا موازنہ PRSH سے کیا گیا ہے، جو اسٹاکیسٹک ہل کلائمبنگ سے پیرامیٹرز ڈھالتا ہے۔
• بیان کردہ نقل میں PRBO نے ٹیوننگ کے لیے کم ہائپرپیرامیٹرز کے ساتھ نمایاں طور پر زیادہ منافع حاصل کیا۔
• اقتباس حقیقی مارکیٹوں یا دیگر معیارات میں کارکردگی ثابت نہیں کرتا۔

ٹیگز

# Nonstationary Continuum-Armed Bandit Strategies for Automated Trading in a Simulated Financial Market


# Nonstationary Continuum-Armed Bandit Strategies for Automated Trading in a Simulated Financial Market









We approach the problem of designing an automated trading strategy that can consistently profit by adapting to changing market conditions. This challenge can be framed as a Nonstationary Continuum-Armed Bandit (NCAB) problem. To solve the NCAB problem, we propose PRBO, a novel trading algorithm that uses Bayesian optimization and a ``bandit-over-bandit'' framework to dynamically adjust strategy parameters in response to market conditions. We use Bristol Stock Exchange (BSE) to simulate financial markets containing heterogeneous populations of automated trading agents and compare PRBO with PRSH, a reference trading strategy that adapts strategy parameters through stochastic hill-climbing. Results show that PRBO generates significantly more profit than PRSH, despite having fewer hyperparameters to tune. The code for PRBO and performing experiments is available online open-source (https://github.com/HarmoniaLeo/PRZI-Bayesian-Optimisation).

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔