論文の概要: Learning to Liquidate Forex: Optimal Stopping via Adaptive Top-K Regression

• arxiv url: http://arxiv.org/abs/2202.12578v1
• Date: Fri, 25 Feb 2022 09:33:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 15:21:44.142351
• Title: Learning to Liquidate Forex: Optimal Stopping via Adaptive Top-K Regression
• Title（参考訳）: forexを清算する学習: 適応型トップk回帰による最適停止
• Authors: Diksha Garg, Pankaj Malhotra, Anil Bhatia, Sanjay Bhat, Lovekesh Vig, Gautam Shroff
• Abstract要約: 我々は、外国通貨(FC)で収益を上げ、国内通貨(HC)で経費を計上する企業のために行動する取引業者を学習することを検討する。 エージェントの目標は、トレーディングエピソードの終盤において、トレーディングエピソードの各ステップでFCを保持または販売することを決定したことにより、期待されるHCを最大化することである。 今後,すべてのFXレートを予測せずに,トップKのFXレートを予測できる新しい教師付き学習手法を提案する。
• 参考スコア（独自算出の注目度）: 19.942711817396734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider learning a trading agent acting on behalf of the treasury of a firm earning revenue in a foreign currency (FC) and incurring expenses in the home currency (HC). The goal of the agent is to maximize the expected HC at the end of the trading episode by deciding to hold or sell the FC at each time step in the trading episode. We pose this as an optimization problem, and consider a broad spectrum of approaches with the learning component ranging from supervised to imitation to reinforcement learning. We observe that most of the approaches considered struggle to improve upon simple heuristic baselines. We identify two key aspects of the problem that render standard solutions ineffective - i) while good forecasts of future FX rates can be highly effective in guiding good decisions, forecasting FX rates is difficult, and erroneous estimates tend to degrade the performance of trading agents instead of improving it, ii) the inherent non-stationary nature of FX rates renders a fixed decision-threshold highly ineffective. To address these problems, we propose a novel supervised learning approach that learns to forecast the top-K future FX rates instead of forecasting all the future FX rates, and bases the hold-versus-sell decision on the forecasts (e.g. hold if future FX rate is higher than current FX rate, sell otherwise). Furthermore, to handle the non-stationarity in the FX rates data which poses challenges to the i.i.d. assumption in supervised learning methods, we propose to adaptively learn decision-thresholds based on recent historical episodes. Through extensive empirical evaluation, we show that our approach is the only approach which is able to consistently improve upon a simple heuristic baseline. Further experiments show the inefficacy of state-of-the-art statistical and deep-learning-based forecasting methods as they degrade the performance of the trading agent.
• Abstract（参考訳）: 我々は、外国通貨(FC)で収益を上げ、国内通貨(HC)で経費を負担する企業の財務を代表して行動する取引業者を学習することを検討する。 エージェントの目標は、トレーディングエピソードの各時間ステップにfcを保持または販売することを決定したことにより、トレーディングエピソードの終了時に期待されるhcを最大化することである。 我々はこれを最適化問題として捉え,教師付き学習から模倣学習,強化学習まで幅広いアプローチを検討する。 単純なヒューリスティックなベースラインの改善に苦慮するアプローチがほとんどである。 標準ソリューションを非効率にする問題の2つの重要な側面を特定します。 一 将来のFXレートの予測は、良い決定を導くのに極めて効果的であるが、FXレートの予測は困難であり、誤算は取引業者のパフォーマンスを低下させる傾向にある。 二 FXレートの本質的な非定常的性質は、決定権の固定化を極めて非効率にする。 これらの問題に対処するため、我々は、すべての将来のFXレートを予測するのではなく、トップKのFXレートを予測することを学習し、予測に対するホールド・ヴァース・セルの決定(例えば、将来のFXレートが現在のFXレートよりも高い場合など)をベースとする新しい教師付き学習手法を提案する。 さらに、教師付き学習手法における仮定に課題をもたらすFXレートデータの非定常性を扱うために、近年の歴史的エピソードに基づいて意思決定閾値を適応的に学習することを提案する。 広範な経験的評価を通じて,本手法は単純なヒューリスティックなベースラインを一貫して改善できる唯一のアプローチであることを示す。 さらなる実験は、トレーディングエージェントの性能が低下するにつれて、最先端統計および深層学習に基づく予測手法の非効率性を示す。

関連論文リスト

• 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)
• Detecting Toxic Flow [0.40964539027092917]
  本稿では,ブローカーが顧客から受ける有害取引を予測する枠組みを開発する。 我々は、我々の方法論をテストするために、外国為替取引のプロプライエタリなデータセットを使用します。 顧客から受け取った取引の内面化や外部化のために毒性予測を利用するブローカーのための戦略を考案する。
  論文  参考訳（メタデータ） (2023-12-10T09:00:09Z)
• NoxTrader: LSTM-Based Stock Return Momentum Prediction for Quantitative Trading [0.0]
  NoxTraderはポートフォリオの構築と取引実行のために設計された洗練されたシステムである。 NoxTraderの基本的な学習プロセスは、歴史的取引データから得られた貴重な洞察の同化に根ざしている。 厳密な特徴工学と予測対象の選択により,0.65から0.75の範囲の顕著な相関範囲で予測データを生成することができる。
  論文  参考訳（メタデータ） (2023-10-01T17:53:23Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Stochastic Methods for AUC Optimization subject to AUC-based Fairness Constraints [51.12047280149546]
  公正な予測モデルを得るための直接的なアプローチは、公正な制約の下で予測性能を最適化することでモデルを訓練することである。 フェアネスを考慮した機械学習モデルのトレーニング問題を,AUCに基づくフェアネス制約のクラスを対象とする最適化問題として定式化する。 フェアネス測定値の異なる実世界のデータに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-12-23T22:29:08Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [78.6363825307044]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• 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)
• Interpretability in Safety-Critical FinancialTrading Systems [15.060749321774136]
  2020年、世界で最も洗練された量子ヘッジファンドのいくつかが損失を被った。 我々は、トレーディングモデルの予測をどのように操作できるかを正確に評価するために、勾配に基づくアプローチを実装した。 提案手法では,入出力分布に大きな負のずれが生じる,サンプル内入力設定のように見えることが判明した。
  論文  参考訳（メタデータ） (2021-09-24T17:05:58Z)
• Deep Portfolio Optimization via Distributional Prediction of Residual Factors [3.9189409002585562]
  そこで本稿では,残余要因と呼ばれる金融量分布の予測に基づくポートフォリオ構築手法を提案する。 本手法が米国および日本の株式市場データに有効であることを実証する。
  論文  参考訳（メタデータ） (2020-12-14T04:09:52Z)
• Accurate and Robust Feature Importance Estimation under Distribution Shifts [49.58991359544005]
  PRoFILEは、新しい特徴重要度推定法である。 忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-09-30T05:29:01Z)

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。