Fugu-MT 論文翻訳(概要): The Recurrent Reinforcement Learning Crypto Agent

論文の概要: The Recurrent Reinforcement Learning Crypto Agent

arxiv url: http://arxiv.org/abs/2201.04699v1
Date: Wed, 12 Jan 2022 21:00:43 GMT
ステータス: 処理完了
システム内更新日: 2022-01-15 02:50:05.239769
Title: The Recurrent Reinforcement Learning Crypto Agent
Title（参考訳）: リカレント強化学習暗号エージェント
Authors: Gabriel Borrageiro, Nick Firoozye, Paolo Barucca
Abstract要約: デジタル資産取引エージェントとしてのオンライントランスファー学習の応用を実証する。エージェントは、BitMEX上でXBTUSD(Bitcoin対US$)の永久スワップデリバティブ契約を交換することを学ぶ。全体として、我々の暗号エージェントは、約5年間にわたる取引コストの350%の総リターンを実現している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We demonstrate an application of online transfer learning as a digital assets trading agent. This agent makes use of a powerful feature space representation in the form of an echo state network, the output of which is made available to a direct, recurrent reinforcement learning agent. The agent learns to trade the XBTUSD (Bitcoin versus US dollars) perpetual swap derivatives contract on BitMEX. It learns to trade intraday on five minutely sampled data, avoids excessive over-trading, captures a funding profit and is also able to predict the direction of the market. Overall, our crypto agent realises a total return of 350%, net of transaction costs, over roughly five years, 71% of which is down to funding profit. The annualised information ratio that it achieves is 1.46.
Abstract（参考訳）: デジタル資産取引エージェントとしてのオンライントランスファー学習の応用を実証する。このエージェントは、エコー状態ネットワークの形式で強力な特徴空間表現を使用しており、その出力は、直接的かつ反復的な強化学習エージェントに利用可能である。エージェントは、BitMEX上でXBTUSD(Bitcoin対US$)の永久スワップデリバティブ契約を交換することを学ぶ。 5分間のサンプルデータで日中取引することを学び、過剰なオーバートレーディングを避け、資金調達利益を捉え、市場の方向性を予測することもできる。われわれの暗号エージェントは、総リターンが350%、取引コストが1株当たり約5年で、うち71%が利益の源泉だ、と認識している。年間情報の比率は1.46である。

関連論文リスト

Reinforcement Learning Pair Trading: A Dynamic Scaling approach [3.4698840925433774]
暗号通貨の取引は、暗号市場固有のボラティリティのために困難である。この作業では、強化学習(RL)とペアトレーディングを組み合わせています。以上の結果から,RLは暗号通貨などの不安定な市場に適用した場合,手動および従来型のペア取引技術よりも大幅に優れることが示された。
論文参考訳（メタデータ） (2024-07-23T00:16:27Z)
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)
Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文参考訳（メタデータ） (2023-10-02T12:33:28Z)
Don't Let MEV Slip: The Costs of Swapping on the Uniswap Protocol [0.17999333451993949]
我々は、分散取引所(DEX)における取引コストの最初の経験的特徴を示す。 Uniswap Labsのインタフェースから引用した価格を用いて、DEXの取引効率を評価する。我々の結果は、DECがデジタル資産を取引するための中央集権取引所に代わる、説得力のある信頼のない代替手段を提供するという予備的な証拠を提供する。
論文参考訳（メタデータ） (2023-09-24T14:22:15Z)
Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
論文参考訳（メタデータ） (2023-02-01T17:21:40Z)
A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
論文参考訳（メタデータ） (2022-12-02T15:03:35Z)
Deep Reinforcement Learning for Cryptocurrency Trading: Practical Approach to Address Backtest Overfitting [15.69458914236069]
深層強化学習を用いた暗号通貨取引のバックテストオーバーフィッティングに対処する実践的アプローチを提案する。我々はDRLエージェントを訓練し、過剰適合の確率を推定し、過適合のエージェントを拒絶し、良好な取引性能の機会を増大させる。過度に適合しない深層強化学習エージェントは、過剰適合エージェントよりもシャープ比が高く、均等な重量戦略、S&P DBM指数が示される。
論文参考訳（メタデータ） (2022-09-12T19:18:48Z)
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)
The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations [50.521292491613224]
本稿では,インターネット上のコミュニティによって組織された2つの市場操作(ポンプとダンプと群衆ポンプ)について,詳細な分析を行う。ポンプとダンプの仕組みは、株式市場と同じくらい古い詐欺だ。今や、緩やかに規制された暗号通貨市場において、新たな活力を得た。本報告では,ポンプ群とダンプ群に関する3症例について報告する。
論文参考訳（メタデータ） (2021-05-03T10:20:47Z)
Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [50.521292491613224]
インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。本研究では,不正行為をリアルタイムに検出する手法を提案する。
論文参考訳（メタデータ） (2020-05-04T21:36:18Z)

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。