論文の概要: Online Trading Models in the Forex Market Considering Transaction Costs

• arxiv url: http://arxiv.org/abs/2106.03035v1
• Date: Sun, 6 Jun 2021 05:36:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-08 18:26:32.118594
• Title: Online Trading Models in the Forex Market Considering Transaction Costs
• Title（参考訳）: 取引コストを考慮したforex市場のオンライン取引モデル
• Authors: Koya Ishikawa and Kazuhide Nakata
• Abstract要約: 本稿では,人工知能モデルである深層強化学習モデルに基づく投資エージェントを提案する。 このモデルは、実際の取引に関わる取引コストを考慮し、長期間にわたって取引を行うためのフレームワークを作成します。 実際の運用を考慮し,最新のオンラインデータを常に更新することで,学習を継続できるようにオンライン学習を利用する。
• 参考スコア（独自算出の注目度）: 0.6091702876917281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, a wide range of investment models have been created using artificial intelligence. Automatic trading by artificial intelligence can expand the range of trading methods, such as by conferring the ability to operate 24 hours a day and the ability to trade with high frequency. Automatic trading can also be expected to trade with more information than is available to humans if it can sufficiently consider past data. In this paper, we propose an investment agent based on a deep reinforcement learning model, which is an artificial intelligence model. The model considers the transaction costs involved in actual trading and creates a framework for trading over a long period of time so that it can make a large profit on a single trade. In doing so, it can maximize the profit while keeping transaction costs low. In addition, in consideration of actual operations, we use online learning so that the system can continue to learn by constantly updating the latest online data instead of learning with static data. This makes it possible to trade in non-stationary financial markets by always incorporating current market trend information.
• Abstract（参考訳）: 近年、人工知能を用いた幅広い投資モデルが作成されている。 人工知能による自動取引は、1日に24時間運行する能力や高周波で取引する能力など、取引方法の範囲を広げることができる。 自動取引は、過去のデータを十分に考慮すれば、人間が利用できる以上の情報で取引することも期待できる。 本稿では,人工知能モデルである深層強化学習モデルに基づく投資エージェントを提案する。 このモデルは、実際の取引に関わる取引コストを考慮し、単一の取引で大きな利益を得られるように、長期間にわたって取引するためのフレームワークを作成する。 そうすることで、取引コストを低く保ちながら利益を最大化できます。 また,実際の運用を考慮した場合,静的データを学習する代わりに,最新のオンラインデータを常に更新することで学習を続けることができる。 これにより、常に現在の市場トレンド情報を組み込むことで、非定常金融市場での取引が可能になる。

関連論文リスト

• Neuro-Symbolic Traders: Assessing the Wisdom of AI Crowds in Markets [0.0]
  私たちは、深層生成モデルを使用して購入/販売決定を行う仮想トレーダーの形式を開発します。 我々の枠組みでは、ニューロシンボリックトレーダーは、視覚言語モデルを使用して資産の基本的価値のモデルを発見するエージェントである。 これは過去のデータと比べて価格の抑制につながっており、将来の市場の安定へのリスクを浮き彫りにしている」と述べた。
  論文  参考訳（メタデータ） (2024-10-18T16:37:52Z)
• Exploiting Risk-Aversion and Size-dependent fees in FX Trading with Fitted Natural Actor-Critic [30.043195728451412]
  我々は、外国為替市場における日内価格パターンの認識と活用の可能性に焦点を当てる。 提案手法は,Fitted Natural Actor-Criticと呼ばれる強化学習アルゴリズムの実装を含む。 注文サイズに依存するため、トランザクションコストを現実的にモデル化するのに役立ちます。
  論文  参考訳（メタデータ） (2024-10-15T13:13:07Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Combining Deep Learning on Order Books with Reinforcement Learning for Profitable Trading [0.0]
  本研究は,注文フローを用いた複数地平線におけるリターン予測と,5つの金融機器を対象とした3つの時間差不均衡学習モデルを訓練することに焦点を当てる。 この結果は潜在的な可能性を証明しているが、小売取引コスト、滑り込み、スプレッド・揺らぎを完全に処理するためには、一貫した黒字取引のためのさらなる最小限の修正が必要である。
  論文  参考訳（メタデータ） (2023-10-24T15:58:58Z)
• Economics of Semantic Communication System: An Auction Approach [104.5073660840678]
  エッジデバイスはセマンティックモデル取引と呼ばれるセマンティックモデル提供者からセマンティックモデルを購入することができる 本稿では,セマンティックモデル取引とセマンティック情報取引を協調的に支援する階層的取引システムを提案する。
  論文  参考訳（メタデータ） (2022-08-02T03:30:56Z)
• INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
  我々はInterNという新しい学習パラダイムを開発した。 複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。 ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
  論文  参考訳（メタデータ） (2021-11-16T18:42:50Z)
• Reinforcement Learning for Systematic FX Trading [0.0]
  我々は、主要なキャッシュペアについて詳細な実験を行い、取引と資金調達のコストを正確に説明します。 こうした利益と損失の源泉は、通貨市場で発生した価格動向を含め、当社の継続的な強化学習者に提供されています。 取引コストが統計上最も高いのは、午後5時(日本時間午前5時)の取引終了時にモデルに取引を強制したにもかかわらず。
  論文  参考訳（メタデータ） (2021-10-10T09:44:29Z)
• Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction [3.9189409002585562]
  金融市場では、機械学習ベースのモデルの実践的応用を妨げるいくつかの課題がある。 本稿では,金融機関とトレーダーの役割を模倣する新たな進化モデルであるTrader-Company法を提案する。 トレーダーと呼ばれる複数の弱い学習者からの提案を集約し、将来の株式リターンを予測します。
  論文  参考訳（メタデータ） (2020-12-18T13:19:27Z)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)

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。