Kết hợp dự báo lượng tử LSTM với học tăng cường để giao dịch FX

Tóm tắt

Tài liệu mô tả một tác nhân AI giao dịch USD/TWD theo chiều mua, kết hợp dự báo xu hướng ngắn hạn từ Quantum Long Short-Term Memory (QLSTM) với Quantum Asynchronous Advantage Actor-Critic (QA3C). Trạng thái của tác nhân sử dụng đặc trưng QLSTM và chỉ báo kỹ thuật, còn hàm thưởng được thiết kế để hỗ trợ giao dịch theo xu hướng và kiểm soát rủi ro. Thiết lập được báo cáo sử dụng độ dài chuỗi là bốn và tám tác nhân xử lý QA3C, với dữ liệu từ 2000 đến 2025 được chia thành tập huấn luyện và kiểm tra.

Các tác giả báo cáo lợi suất 11.87% trong khoảng năm năm và mức sụt giảm tối đa 0.92%, đồng thời cho biết tác nhân vượt trội hơn một số ETF tiền tệ. Những kết quả này được trình bày như bằng chứng cho thấy cách tiếp cận kết hợp có thể phù hợp với giao dịch lợi nhuận nhỏ cùng giới hạn rủi ro chặt chẽ. Tài liệu chỉ mô tả ngắn gọn thí nghiệm, không có so sánh chi tiết, độ bất định thống kê hay đủ thông tin để đánh giá độ vững. Tài liệu cũng lưu ý các phương pháp lượng tử được chạy bằng mô phỏng cổ điển và chiến lược đã được đơn giản hóa, nên phát hiện không chứng minh ưu thế từ phần cứng lượng tử hay tự động khái quát sang các thị trường khác.

Ý chính

• Tác nhân kết hợp dự báo xu hướng ngắn hạn QLSTM với học tăng cường QA3C để giao dịch USD/TWD.
• Trạng thái của tác nhân gồm đặc trưng dự báo và chỉ báo kỹ thuật; hàm thưởng tính đến giao dịch theo xu hướng và kiểm soát rủi ro.
• Kết quả giao dịch chỉ mua được báo cáo gồm lợi suất 11.87% trong khoảng năm năm và mức sụt giảm tối đa 0.92%.
• Các thành phần lượng tử được mô phỏng bằng phương pháp cổ điển và các tác giả mô tả chiến lược là đã được đơn giản hóa.

Thẻ

# Quantum-Enhanced Forecasting for Deep Reinforcement Learning in Algorithmic Trading


# Quantum-Enhanced Forecasting for Deep Reinforcement Learning in Algorithmic Trading









The convergence of quantum-inspired neural networks and deep reinforcement learning offers a promising avenue for financial trading. We implemented a trading agent for USD/TWD by integrating Quantum Long Short-Term Memory (QLSTM) for short-term trend prediction with Quantum Asynchronous Advantage Actor-Critic (QA3C), a quantum-enhanced variant of the classical A3C. Trained on data from 2000-01-01 to 2025-04-30 (80\% training, 20\% testing), the long-only agent achieves 11.87\% return over around 5 years with 0.92\% max drawdown, outperforming several currency ETFs. We detail state design (QLSTM features and indicators), reward function for trend-following/risk control, and multi-core training. Results show hybrid models yield competitive FX trading performance. Implications include QLSTM's effectiveness for small-profit trades with tight risk and future enhancements. Key hyperparameters: QLSTM sequence length$=$4, QA3C workers$=$8. Limitations: classical quantum simulation and simplified strategy. \footnote{The views expressed in this article are those of the authors and do not represent the views of Wells Fargo. This article is for informational purposes only. Nothing contained in this article should be construed as investment advice. Wells Fargo makes no express or implied warranties and expressly disclaims all legal, tax, and accounting implications related to this article.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.