論文の概要: FinRL-Meta: A Universe of Near-Real Market Environments for Data-Driven Deep Reinforcement Learning in Quantitative Finance

• arxiv url: http://arxiv.org/abs/2112.06753v1
• Date: Mon, 13 Dec 2021 16:03:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-14 19:19:36.835853
• Title: FinRL-Meta: A Universe of Near-Real Market Environments for Data-Driven Deep Reinforcement Learning in Quantitative Finance
• Title（参考訳）: FinRL-Meta: 定量的ファイナンスにおけるデータ駆動型深層強化学習のためのニアリアル市場環境の宇宙
• Authors: Xiao-Yang Liu, Jingyang Rui, Jiechao Gao, Liuqing Yang, Hongyang Yang, Zhaoran Wang, Christina Dan Wang, Jian Guo
• Abstract要約: FinRL-Metaは、データ駆動型金融強化学習のための市場環境の宇宙を構築している。 まず、FinRL-MetaはDRLベースの戦略の設計パイプラインから財務データ処理を分離する。 第2に、FinRL-Metaは様々な取引タスクに数百の市場環境を提供している。
• 参考スコア（独自算出の注目度）: 58.77314662664463
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep reinforcement learning (DRL) has shown huge potentials in building financial market simulators recently. However, due to the highly complex and dynamic nature of real-world markets, raw historical financial data often involve large noise and may not reflect the future of markets, degrading the fidelity of DRL-based market simulators. Moreover, the accuracy of DRL-based market simulators heavily relies on numerous and diverse DRL agents, which increases demand for a universe of market environments and imposes a challenge on simulation speed. In this paper, we present a FinRL-Meta framework that builds a universe of market environments for data-driven financial reinforcement learning. First, FinRL-Meta separates financial data processing from the design pipeline of DRL-based strategy and provides open-source data engineering tools for financial big data. Second, FinRL-Meta provides hundreds of market environments for various trading tasks. Third, FinRL-Meta enables multiprocessing simulation and training by exploiting thousands of GPU cores. Our codes are available online at https://github.com/AI4Finance-Foundation/FinRL-Meta.
• Abstract（参考訳）: 深層強化学習(DRL)は近年,金融市場シミュレータ構築において大きな可能性を示している。 しかし、実世界の市場の非常に複雑でダイナミックな性質のため、生の歴史的財務データはしばしば大きなノイズを伴い、市場の将来を反映せず、DRLベースの市場シミュレーターの忠実さを損なう可能性がある。 さらに、DRLベースの市場シミュレータの精度は、多数の多様なDRLエージェントに大きく依存しており、市場環境の宇宙への需要を増大させ、シミュレーション速度に挑戦する。 本稿では,データ駆動型金融強化学習のための市場環境を構築するFinRL-Metaフレームワークを提案する。 まず、FinRL-MetaはDRLベースの戦略の設計パイプラインから金融データ処理を分離し、金融ビッグデータのためのオープンソースのデータエンジニアリングツールを提供する。 第2に、FinRL-Metaは様々な取引タスクに数百の市場環境を提供している。 第3に、FinRL-Metaは数千のGPUコアを活用することで、マルチプロセスシミュレーションとトレーニングを可能にする。 私たちのコードはhttps://github.com/AI4Finance-Foundation/FinRL-Meta.comで公開されている。

関連論文リスト

• D5RL: Diverse Datasets for Data-Driven Deep Reinforcement Learning [99.33607114541861]
  ロボット操作と移動環境の現実的なシミュレーションに焦点を当てたオフラインRLのための新しいベンチマークを提案する。 提案するベンチマークでは、状態ベースドメインと画像ベースドメインを対象とし、オフラインRLとオンライン微調整評価の両方をサポートしている。
  論文  参考訳（メタデータ） (2024-08-15T22:27:00Z)
• AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
  我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。 次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
  論文  参考訳（メタデータ） (2024-03-19T09:45:33Z)
• Dynamic Datasets and Market Environments for Financial Reinforcement Learning [68.11692837240756]
  FinRL-Metaは、現実世界の市場からジムスタイルの市場環境へ動的データセットを処理するライブラリである。 我々は,ユーザが新しい取引戦略を設計するための足場として,人気のある研究論文を例示し,再現する。 また、ユーザが自身の結果を視覚化し、相対的なパフォーマンスを評価するために、このライブラリをクラウドプラットフォームにデプロイします。
  論文  参考訳（メタデータ） (2023-04-25T22:17:31Z)
• A Survey of Meta-Reinforcement Learning [69.76165430793571]
  我々は,メタRLと呼ばれるプロセスにおいて,機械学習問題自体として,より優れたRLアルゴリズムを開発した。 本稿では,タスク分布の存在と各タスクに利用可能な学習予算に基づいて,高レベルでメタRL研究をクラスタ化する方法について議論する。 RL実践者のための標準ツールボックスにメタRLを組み込むことの道程について,オープンな問題を提示することによって,結論を下す。
  論文  参考訳（メタデータ） (2023-01-19T12:01:41Z)
• PRUDEX-Compass: Towards Systematic Evaluation of Reinforcement Learning in Financial Markets [27.64555638859629]
  金融市場(FinRL)における強化学習は、有益な投資決定を行うエージェントを訓練するための有望な方向として現れます。 多くのFinRL手法の評価は、実践者が実際の金融市場にこれらの手法を展開するのに十分ではない利益に関する措置にのみ焦点が当てられている。 PRUDEX-は, 生産性, リスクコントロール, 普遍性, 多様性, rEliability, eXplainabilityの6つの軸を持ち, 総合的な評価のための計17の尺度を提示する。
  論文  参考訳（メタデータ） (2023-01-14T06:39:03Z)
• Recent Advances in Reinforcement Learning in Finance [3.0079490585515343]
  データ量の増加による金融業界の急激な変化は、データ処理やデータ分析に関する技術に革命をもたらした。 強化学習(RL)による新たな発展は、大量の財務データをフル活用することができる。
  論文  参考訳（メタデータ） (2021-12-08T19:55:26Z)
• FinRL: Deep Reinforcement Learning Framework to Automate Trading in Quantitative Finance [22.808509136431645]
  深層強化学習(DRL)は、量的ファイナンスにおいて競争力を持つと想定されている。 本稿では,オープンソースのフレームワーク textitFinRL を,量的トレーダーが学習曲線の急勾配を克服するのに役立つための完全なパイプラインとして提示する。
  論文  参考訳（メタデータ） (2021-11-07T00:34:32Z)
• FinRL: A Deep Reinforcement Learning Library for Automated Stock Trading in Quantitative Finance [20.43261517036651]
  DRLライブラリFinRLを導入し、初心者が定量的ファイナンスに自分自身を公開できるようにする。 FinRLはNASDAQ-100、DJIA、S&P 500、HSI、SSE 50、CSI 300など、さまざまな株式市場のトレーディング環境をシミュレートしている。 取引コスト、市場の流動性、投資家のリスク回避の度合いといった重要なトレーディングの制約が組み込まれている。
  論文  参考訳（メタデータ） (2020-11-19T01:35:05Z)
• Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
  ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。 本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。 当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
  論文  参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。