論文の概要: A Reinforcement Learning Based Encoder-Decoder Framework for Learning
Stock Trading Rules
- arxiv url: http://arxiv.org/abs/2101.03867v1
- Date: Fri, 8 Jan 2021 13:19:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-10 05:09:55.258541
- Title: A Reinforcement Learning Based Encoder-Decoder Framework for Learning
Stock Trading Rules
- Title（参考訳）: 株取引ルール学習のための強化学習型エンコーダ・デコーダフレームワーク
- Authors: Mehran Taghian, Ahmad Asadi, Reza Safabakhsh
- Abstract要約: 楽器の長期の原価から単一楽器取引戦略を学習するための新しいエンド・ツー・エンドモデルを提案する。
エンコーダのパラメータとデコーダ構造が一緒に学習され、エンコーダはデコーダDRLのタスクに適合した機能を抽出することができる。
実験の結果, 提案モデルは, 動的環境において他の最先端モデルよりも優れていることがわかった。
- 参考スコア（独自算出の注目度）: 0.8594140167290099
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A wide variety of deep reinforcement learning (DRL) models have recently been
proposed to learn profitable investment strategies. The rules learned by these
models outperform the previous strategies specially in high frequency trading
environments. However, it is shown that the quality of the extracted features
from a long-term sequence of raw prices of the instruments greatly affects the
performance of the trading rules learned by these models. Employing a neural
encoder-decoder structure to extract informative features from complex input
time-series has proved very effective in other popular tasks like neural
machine translation and video captioning in which the models face a similar
problem. The encoder-decoder framework extracts highly informative features
from a long sequence of prices along with learning how to generate outputs
based on the extracted features. In this paper, a novel end-to-end model based
on the neural encoder-decoder framework combined with DRL is proposed to learn
single instrument trading strategies from a long sequence of raw prices of the
instrument. The proposed model consists of an encoder which is a neural
structure responsible for learning informative features from the input
sequence, and a decoder which is a DRL model responsible for learning
profitable strategies based on the features extracted by the encoder. The
parameters of the encoder and the decoder structures are learned jointly, which
enables the encoder to extract features fitted to the task of the decoder DRL.
In addition, the effects of different structures for the encoder and various
forms of the input sequences on the performance of the learned strategies are
investigated. Experimental results showed that the proposed model outperforms
other state-of-the-art models in highly dynamic environments.
- Abstract（参考訳）: 収益性のある投資戦略を学ぶために、drl(deep reinforcement learning)モデルが最近提案されている。
これらのモデルによって得られたルールは、特に高周波取引環境で以前の戦略より優れている。
しかし, 長期の原価変動から抽出した特徴の質が, これらのモデルで学習した取引ルールの性能に大きく影響していることが示されている。
複雑な入力時系列から情報的特徴を抽出するためにニューラルエンコーダ・デコーダ構造を用いることは、ニューラルマシン翻訳や同様の問題に直面するビデオキャプションといった他の一般的なタスクに非常に効果的であることが証明された。
エンコーダデコーダフレームワークは、抽出した特徴に基づいて出力を生成する方法を学ぶとともに、長い価格列から高い情報的特徴を抽出する。
本稿では、DRLと組み合わせたニューラルエンコーダ・デコーダ・フレームワークに基づく新しいエンドツーエンドモデルを提案し、楽器の長期の原価から単一楽器取引戦略を学習する。
提案モデルは,入力シーケンスから情報的特徴を学習する神経構造であるエンコーダと,エンコーダが抽出した特徴に基づいて収益戦略を学習するDRLモデルであるデコーダとから構成される。
エンコーダとデコーダ構造のパラメータを共に学習することにより、デコーダDRLのタスクに適合する特徴を抽出することができる。
さらに,エンコーダの異なる構造と入力シーケンスの様々な形態が学習戦略の性能に及ぼす影響について検討した。
実験の結果, 提案モデルは, 動的環境において他の最先端モデルよりも優れていることがわかった。
関連論文リスト
- Neural Speech and Audio Coding [19.437080345021105]
本稿では,ニューラル音声および音声符号化システムの領域におけるモデルベースおよびデータ駆動型アプローチの統合について検討する。
既存のコーデックの出力を後処理するように設計されたニューラルネットワークベースの信号エンハンサーを導入している。
本稿では、精神音響学的に校正された損失関数を用いて、エンドツーエンドのニューラルオーディオコーデックを訓練する方法について検討する。
論文 参考訳（メタデータ） (2024-08-13T15:13:21Z) - NASH: A Simple Unified Framework of Structured Pruning for Accelerating
Encoder-Decoder Language Models [29.468888611690346]
本稿では、エンコーダを狭め、エンコーダ-デコーダモデルのデコーダネットワークを短縮する、シンプルで効果的なフレームワークNASHを提案する。
その結果,(1)デコーダの層数が推論速度の主要因であること,(2)プルーンドエンコーダネットワークの低間隔性が生成品質を向上させること,の2つの知見が明らかになった。
論文 参考訳（メタデータ） (2023-10-16T04:27:36Z) - String-based Molecule Generation via Multi-decoder VAE [56.465033997245776]
可変オートエンコーダ(VAE)による文字列型分子生成の問題点について検討する。
本稿では,そのタスクに対するVAEの性能を改善するための,シンプルで効果的なアイデアを提案する。
実験では,提案するVAEモデルを用いて,領域外分布からサンプルを生成する。
論文 参考訳（メタデータ） (2022-08-23T03:56:30Z) - CodeRL: Mastering Code Generation through Pretrained Models and Deep
Reinforcement Learning [92.36705236706678]
CodeRLは、事前訓練されたLMと深層強化学習によるプログラム合成タスクのための新しいフレームワークである。
推論中、我々は重要なサンプリング戦略を持つ新しい生成手順を導入する。
モデルバックボーンについては,CodeT5のエンコーダデコーダアーキテクチャを拡張し,学習目標を拡張した。
論文 参考訳（メタデータ） (2022-07-05T02:42:15Z) - Great Truths are Always Simple: A Rather Simple Knowledge Encoder for
Enhancing the Commonsense Reasoning Capacity of Pre-Trained Models [89.98762327725112]
自然言語における常識推論は、人工知能システムの望ましい能力である。
複雑なコモンセンス推論タスクを解決するための典型的な解決策は、知識対応グラフニューラルネットワーク(GNN)エンコーダで事前訓練された言語モデル(PTM)を強化することである。
有効性にもかかわらず、これらのアプローチは重いアーキテクチャ上に構築されており、外部知識リソースがPTMの推論能力をどのように改善するかを明確に説明できない。
論文 参考訳（メタデータ） (2022-05-04T01:27:36Z) - Deep Learning-Based Intra Mode Derivation for Versatile Video Coding [65.96100964146062]
本稿では,Deep Learning based intra Mode Derivation (DLIMD) と呼ばれるインテリジェントイントラモード導出法を提案する。
DLIMDのアーキテクチャは、異なる量子化パラメータ設定と、非平方要素を含む可変符号化ブロックに適応するように開発されている。
提案手法は,Versatile Video Coding (VVC) テストモデルを用いて,Y, U, Vコンポーネントの平均ビットレートを2.28%, 1.74%, 2.18%削減できる。
論文 参考訳（メタデータ） (2022-04-08T13:23:59Z) - Neural Data-Dependent Transform for Learned Image Compression [72.86505042102155]
ニューラルデータに依存した変換を構築し,各画像の符号化効率を最適化する連続オンラインモード決定機構を導入する。
実験の結果,提案したニューラルシンタクス設計と連続オンラインモード決定機構の有効性が示された。
論文 参考訳（メタデータ） (2022-03-09T14:56:48Z) - Unsupervised Learning of Neurosymbolic Encoders [40.3575054882791]
本稿では,ニューロシンボリックエンコーダの教師なし学習のためのフレームワークを提案する。
このようなフレームワークは自然に記号的専門家の知識を学習プロセスに組み込むことができ、完全なニューラルエンコーダよりも解釈可能で分解可能な潜在表現をもたらす。
論文 参考訳（メタデータ） (2021-07-28T02:16:14Z) - A New Modal Autoencoder for Functionally Independent Feature Extraction [6.690183908967779]
新しいモーダルオートエンコーダ (MAE) は、読み出し重み行列の列をオトゴゴナライズすることによって提案される。
結果は、MNIST変異とUSPS分類ベンチマークスイートで検証された。
新しいMAEは、オートエンコーダのための非常にシンプルなトレーニング原則を導入し、ディープニューラルネットワークの事前トレーニングを約束できる。
論文 参考訳（メタデータ） (2020-06-25T13:25:10Z) - Rethinking and Improving Natural Language Generation with Layer-Wise
Multi-View Decoding [59.48857453699463]
シーケンシャル・ツー・シーケンス学習では、デコーダは注意機構に依存してエンコーダから情報を効率的に抽出する。
近年の研究では、異なるエンコーダ層からの表現を多様なレベルの情報に利用することが提案されている。
本稿では, 各デコーダ層に対して, グローバルビューとして機能する最後のエンコーダ層からの表現とともに, ソースシーケンスの立体視のために他のエンコーダ層からのデコーダ層からのデコーダ層を補足するレイヤワイド・マルチビューデコーダを提案する。
論文 参考訳（メタデータ） (2020-05-16T20:00:39Z)
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。