論文の概要: A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding
- arxiv url: http://arxiv.org/abs/2004.05940v1
- Date: Mon, 13 Apr 2020 13:50:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 23:33:27.724923
- Title: A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding
- Title（参考訳）: 日中連続型市場入札のための深層強化学習フレームワーク
- Authors: Ioannis Boukas, Damien Ernst, Thibaut Th\'eate, Adrien Bolland,
Alexandre Huynen, Martin Buchwald, Christelle Wynants, Bertrand Corn\'elusse
- Abstract要約: 再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。
本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
- 参考スコア（独自算出の注目度）: 69.37299910149981
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The large integration of variable energy resources is expected to shift a
large part of the energy exchanges closer to real-time, where more accurate
forecasts are available. In this context, the short-term electricity markets
and in particular the intraday market are considered a suitable trading floor
for these exchanges to occur. A key component for the successful renewable
energy sources integration is the usage of energy storage. In this paper, we
propose a novel modelling framework for the strategic participation of energy
storage in the European continuous intraday market where exchanges occur
through a centralized order book. The goal of the storage device operator is
the maximization of the profits received over the entire trading horizon, while
taking into account the operational constraints of the unit. The sequential
decision-making problem of trading in the intraday market is modelled as a
Markov Decision Process. An asynchronous distributed version of the fitted Q
iteration algorithm is chosen for solving this problem due to its sample
efficiency. The large and variable number of the existing orders in the order
book motivates the use of high-level actions and an alternative state
representation. Historical data are used for the generation of a large number
of artificial trajectories in order to address exploration issues during the
learning process. The resulting policy is back-tested and compared against a
benchmark strategy that is the current industrial standard. Results indicate
that the agent converges to a policy that achieves in average higher total
revenues than the benchmark strategy.
- Abstract（参考訳）: 可変エネルギー資源の大規模な統合は、エネルギー交換の大部分をより正確な予測ができるリアルタイムに近づけると予想されている。
この文脈では、短期的な電気市場、特に日内市場は、これらの交換を行うのに適した取引場と考えられている。
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
本稿では,中央集権的な注文書を通じて取引が行われる欧州の連続的日内市場において,エネルギー貯蔵の戦略的関与のための新たなモデリングフレームワークを提案する。
記憶装置オペレーターの目標は、そのユニットの運用上の制約を考慮して、取引地平線全体を通して受け取った利益の最大化である。
日内市場における取引の逐次的意思決定問題はマルコフ決定過程としてモデル化される。
適応Q反復アルゴリズムの非同期分散バージョンは、そのサンプリング効率のためにこの問題を解決するために選択される。
注文書の既存注文の大規模かつ可変な数は、ハイレベルなアクションと代替状態表現の使用を動機付けている。
歴史的データは、学習過程における探索問題に対処するために、多数の人工軌道の生成に使用される。
結果の政策はバックテストされ、現在の産業標準であるベンチマーク戦略と比較される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
関連論文リスト
- Commodification of Compute [0.0]
本稿では,GCX(Global Compute Exchange)と呼ばれる,計算時間のコモディフィケーションのための新しいグローバルプラットフォームを提案する。
GCXは、セキュアで透明で効率的な計算パワーの購入と販売のためのマーケットプレースを作成する。
このプラットフォームは、分散化され、効率的で透明なエコシステムを育み、計算資源市場を革新することを目的としています。
論文 参考訳（メタデータ） (2024-06-27T15:32:31Z) - Optimizing Quantile-based Trading Strategies in Electricity Arbitrage [0.0]
本研究は、日頭取引と市場取引のバランスを最適化し、量的予測を活用することを目的としている。
調査の結果は、日頭市場とバランス市場の両方で同時参加する可能性を示している。
コストの増加と高額取引に伴う利益率の狭さにもかかわらず、高頻度戦略の実装は利益の最大化に重要な役割を果たしている。
論文 参考訳（メタデータ） (2024-06-19T21:27:12Z) - Stockformer: A Price-Volume Factor Stock Selection Model Based on Wavelet Transform and Multi-Task Self-Attention Networks [3.7608255115473592]
本稿では,ウェーブレット変換とマルチタスク自己アテンションネットワークを統合した価格-体積係数ストックセレクションモデルであるStockformerを紹介する。
ストックフォーマーは、株価のリターンを高頻度と低頻度に分解し、長期市場の動向と急激な出来事を注意深く捉えている。
実験結果から、Stockformerは複数の実市場データセットにおいて、既存の先進的な手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-11-23T04:33:47Z) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-06-05T12:58:13Z) - Market Making with Scaled Beta Policies [2.064612766965483]
本稿では,注文型市場におけるマーケットメーカの行動の新たな表現について紹介する。
スケールしたベータディストリビューションを使用し、市場形成のための人工知能で取られた3つのアプローチを一般化する。
この柔軟性は、市場メーカが直面している重要な課題の1つである在庫管理に有用であることを示す。
論文 参考訳（メタデータ） (2022-07-07T14:59:34Z) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
論文 参考訳（メタデータ） (2022-05-06T18:44:29Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳（メタデータ） (2021-12-08T14:55:21Z) - A Reinforcement Learning Approach for the Continuous Electricity Market
of Germany: Trading from the Perspective of a Wind Park Operator [0.0]
本稿では,Deep Reinforcement Learning (DRL)アルゴリズムに基づく新たな自律的トレーディング手法を提案する。
我々は,ウィンドパーク運営者の立場から,この枠組みを事例スタディとして検証した。
論文 参考訳（メタデータ） (2021-11-26T17:17:27Z) - ARISE: ApeRIodic SEmi-parametric Process for Efficient Markets without
Periodogram and Gaussianity Assumptions [91.3755431537592]
我々は、効率的な市場を調査するためのApeRI-miodic(ARISE)プロセスを提案する。
ARISEプロセスは、いくつかの既知のプロセスの無限サムとして定式化され、周期スペクトル推定を用いる。
実際に,実世界の市場の効率性を明らかにするために,ARISE関数を適用した。
論文 参考訳（メタデータ） (2021-11-08T03:36:06Z) - Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。
本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
論文 参考訳（メタデータ） (2021-01-28T05:52:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。