論文の概要: Algorithmic Trading Using Continuous Action Space Deep Reinforcement
Learning
- arxiv url: http://arxiv.org/abs/2210.03469v1
- Date: Fri, 7 Oct 2022 11:42:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 15:01:57.131936
- Title: Algorithmic Trading Using Continuous Action Space Deep Reinforcement
Learning
- Title(参考訳): 連続行動空間深層強化学習を用いたアルゴリズムトレーディング
- Authors: Naseh Majidi, Mahdi Shamsi, Farokh Marvasti
- Abstract要約: 本稿では、Twin-Delayed DDPG(TD3)と日替わり価格を用いて、株式および暗号通貨市場でのトレーディング戦略を実現するためのアプローチを提案する。
本研究では,株式(Amazon)と暗号通貨(Bitcoin)の両市場を対象とし,提案アルゴリズムの性能評価を行った。
- 参考スコア(独自算出の注目度): 11.516147824168732
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Price movement prediction has always been one of the traders' concerns in
financial market trading. In order to increase their profit, they can analyze
the historical data and predict the price movement. The large size of the data
and complex relations between them lead us to use algorithmic trading and
artificial intelligence. This paper aims to offer an approach using
Twin-Delayed DDPG (TD3) and the daily close price in order to achieve a trading
strategy in the stock and cryptocurrency markets. Unlike previous studies using
a discrete action space reinforcement learning algorithm, the TD3 is
continuous, offering both position and the number of trading shares. Both the
stock (Amazon) and cryptocurrency (Bitcoin) markets are addressed in this
research to evaluate the performance of the proposed algorithm. The achieved
strategy using the TD3 is compared with some algorithms using technical
analysis, reinforcement learning, stochastic, and deterministic strategies
through two standard metrics, Return and Sharpe ratio. The results indicate
that employing both position and the number of trading shares can improve the
performance of a trading system based on the mentioned metrics.
- Abstract(参考訳): 物価変動の予測は常に金融市場取引におけるトレーダーの懸念の1つであった。
利益を上げるために、過去のデータを分析し、価格の動きを予測することができる。
データの大きさとそれらの間の複雑な関係は、アルゴリズム取引と人工知能の使用につながる。
本稿では、Twin-Delayed DDPG(TD3)と日替わり価格を用いて、株式および暗号通貨市場でのトレーディング戦略を実現するためのアプローチを提案する。
離散的行動空間強化学習アルゴリズムを用いた以前の研究とは異なり、td3は連続的であり、位置と取引株数の両方を提供する。
本研究では,株式(Amazon)と暗号通貨(Bitcoin)の両市場について,提案アルゴリズムの性能評価を行った。
TD3を用いた達成戦略は、技術分析、強化学習、確率的、決定論的戦略の2つの標準指標であるReturnとSharpe比を用いて、いくつかのアルゴリズムと比較される。
その結果,両位置とトレーディング株数を併用することで,上記指標に基づくトレーディングシステムの性能が向上することが示唆された。
関連論文リスト
- 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) - Data Cross-Segmentation for Improved Generalization in Reinforcement
Learning Based Algorithmic Trading [5.75899596101548]
本稿では,学習した予測モデルからの信号に基づいて処理を行う強化学習(RL)アルゴリズムを提案する。
われわれのアルゴリズムは、ブルサ・マレーシアの20年以上のエクイティデータに基づいてテストしている。
論文 参考訳(メタデータ) (2023-07-18T16:00:02Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and
Large Language Models [57.70351255180495]
当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。
また,ChatGPTは従来の感情分析法よりも優れていた。
ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳(メタデータ) (2021-12-08T14:55:21Z) - Stock price prediction using BERT and GAN [0.0]
本稿では、株価を予測するための最先端の手法の集合体を提案する。
これはGoogle for Natural Language Processing (NLP)によって事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用している。
その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、そして歴史的価格と評価スコアを用いて予測する。
論文 参考訳(メタデータ) (2021-07-18T18:31:43Z) - MCTG:Multi-frequency continuous-share trading algorithm with GARCH based
on deep reinforcement learning [5.1727003187913665]
そこで本研究では,garch (mctg) を用いたマルチ周波数連続共有トレーディングアルゴリズムを提案する。
強化学習アルゴリズムの連続的な動作空間を持つ後者は、株式取引の問題を解決するために使用される。
中国株式市場の異なる業界での実験では、基本的なDRL法やベンチモデルと比較して余分な利益が得られている。
論文 参考訳(メタデータ) (2021-05-08T08:00:56Z) - A comparative study of Different Machine Learning Regressors For Stock
Market Prediction [2.1485350418225244]
我々はNASDAQの株式市場を集中的に研究し、10社のポートフォリオを選択することを目標とした。
目標は、履歴データを用いて翌日の株式の公開価格を計算することである。
このタスクを達成するために、9つの異なる機械学習レグレッサーがこのデータに適用され、パフォーマンスメトリックとしてMSEとR2を使用して評価されます。
論文 参考訳(メタデータ) (2021-04-14T15:37:33Z) - REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。
第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。
第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
論文 参考訳(メタデータ) (2021-02-15T07:22:09Z) - 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) - GA-MSSR: Genetic Algorithm Maximizing Sharpe and Sterling Ratio Method
for RoboTrading [0.4568777157687961]
外国為替は世界最大の金融市場である。
ほとんどの文献は、歴史的価格情報と技術指標を訓練に用いた。
この問題に対処するため,我々は,技術指標と取引規則から派生した取引規則の特徴を設計した。
論文 参考訳(メタデータ) (2020-08-16T05:33:35Z) - A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding [69.37299910149981]
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。
本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
論文 参考訳(メタデータ) (2020-04-13T13:50:13Z)
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。