跳至正文
返回文库全部文档

贝叶斯优化与自适应非平稳交易策略

文章 arXiv papers · 作者: Bingde Liu et al.
阅读原文

总结

本文将变化市场条件下的自动化交易表述为非平稳连续臂老虎机问题。研究提出PRBO，将贝叶斯优化与老虎机套老虎机方法结合，在市场条件变化时调整策略参数。该方法在布里斯托尔证券交易所模拟中接受评估，市场中有采用异质策略的自动化智能体。作为基准的PRSH通过随机爬山调整参数。

据报告，模拟结果显示，PRBO的盈利显著高于PRSH，且需要调整的超参数更少。这表明在经过测试的自适应交易设置中，贝叶斯优化可能具有优势。不过，所提供的描述未给出绝对收益、不确定性估计，也未说明市场情景和参数设置的细节。证据仅限于所述模拟比较，因此无法证明PRBO在实盘市场或其他基准和条件下会表现更好。

核心观点

  • 本文将随市场条件变化而调整交易参数建模为非平稳连续臂老虎机问题。
  • PRBO在老虎机套老虎机框架中使用贝叶斯优化调整策略参数。
  • 评估使用布里斯托尔证券交易所模拟和采用异质策略的自动化智能体。
  • PRBO与通过随机爬山调整参数的PRSH进行比较。
  • 据报告，模拟中PRBO的利润显著更高，且需要调整的超参数更少。
  • 摘录无法证明该方法在实盘市场或其他基准下的表现。

标签

机器学习回测股票统计学
全文
# 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).

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。