اسٹاک ٹریڈنگ کے لیے گہری تقویتی تعلیم
خلاصہ
مطالعہ 30 حصص کے پورٹ فولیو کے لیے موافق ٹریڈنگ اسٹریٹیجی بنانے کی غرض سے گہری تقویتی تعلیم کا جائزہ لیتا ہے۔ یہ روزانہ کی قیمتوں کو تربیتی ڈیٹا اور ٹریڈنگ ماحول کے طور پر استعمال کرتا ہے، پھر ایجنٹ کا موازنہ ڈاؤ جونز انڈسٹریل ایوریج اور روایتی کم سے کم تغیر والی پورٹ فولیو تقسیم کی اسٹریٹیجی سے کرتا ہے۔ بیان کردہ مقاصد ٹریڈنگ کے فیصلوں اور سرمایہ کاری کے منافع کو بہتر بنانا ہیں۔
مصنفین کے مطابق ان کا ایجنٹ شارپ تناسب اور مجموعی منافع میں دونوں تقابلی طریقوں سے بہتر کارکردگی دکھاتا ہے۔ اقتباس تربیت اور جائزے کی تاریخیں، لین دین کے اخراجات، خطرے کی پابندیاں، انعام کا ڈیزائن یا یہ نہیں بتاتا کہ جائزے میں مستقبل کی معلومات کے غیر ارادی استعمال سے بچا گیا تھا یا نہیں۔ اس میں عددی نتائج بھی نہیں، اس لیے بیان کردہ برتری کے حجم یا مضبوطی کا اندازہ اس بیان سے نہیں لگایا جا سکتا۔ نتائج مجوزہ تجربے کے ثبوت ہیں، اس بات کا ثبوت نہیں کہ یہ طریقہ دوسرے حصص یا مارکیٹ حالات میں بھی کارآمد ہوگا۔
اہم خیالات
- روزانہ کی قیمتوں سے گہری تقویتی تعلیم کا ایجنٹ 30 حصص کی ٹوکری کی ٹریڈنگ کے لیے تربیت یافتہ ہے۔
- سیکھا ہوا طریقہ پیچیدہ اور بدلتی ہوئی اسٹاک مارکیٹ کے مطابق ڈھلنے کے لیے بنایا گیا ہے۔
- مطالعہ ایجنٹ کا موازنہ ڈاؤ جونز انڈسٹریل ایوریج اور کم سے کم تغیر والی تقسیم سے کرتا ہے۔
- مصنفین کے مطابق ایجنٹ کا شارپ تناسب اور مجموعی منافع دونوں بنیادی تقابلی طریقوں سے زیادہ ہے۔
- اقتباس میں اخراجات، تاریخوں، انعام کے ڈیزائن اور عددی کارکردگی جیسی جائزے کی تفصیلات موجود نہیں۔
ٹیگز
مکمل متن
# Practical Deep Reinforcement Learning Approach for Stock Trading # Practical Deep Reinforcement Learning Approach for Stock Trading Stock trading strategy plays a crucial role in investment companies. However, it is challenging to obtain optimal strategy in the complex and dynamic stock market. We explore the potential of deep reinforcement learning to optimize stock trading strategy and thus maximize investment return. 30 stocks are selected as our trading stocks and their daily prices are used as the training and trading market environment. We train a deep reinforcement learning agent and obtain an adaptive trading strategy. The agent's performance is evaluated and compared with Dow Jones Industrial Average and the traditional min-variance portfolio allocation strategy. The proposed deep reinforcement learning approach is shown to outperform the two baselines in terms of both the Sharpe ratio and cumulative returns.
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۔