論文の概要: PRUDEX-Compass: Towards Systematic Evaluation of Reinforcement Learning in Financial Markets

• arxiv url: http://arxiv.org/abs/2302.00586v1
• Date: Sat, 14 Jan 2023 06:39:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-05 04:18:56.996938
• Title: PRUDEX-Compass: Towards Systematic Evaluation of Reinforcement Learning in Financial Markets
• Title（参考訳）: PRUDEX-Compass:金融市場における強化学習の体系的評価に向けて
• Authors: Shuo Sun and Molei Qin and Xinrun Wang and Bo An
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 27.64555638859629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The financial markets, which involve more than $90 trillion in market capitalization, attract the attention of innumerable investors around the world. Recently, reinforcement learning in financial markets (FinRL) emerges as a promising direction to train agents for making profitable investment decisions. However, the evaluation of most FinRL methods only focus on profit-related measures, which are far from satisfactory for practitioners to deploy these methods into real-world financial markets. Therefore, we introduce PRUDEX-Compass, which has 6 axes, i.e., Profitability, Risk-control, Universality, Diversity, rEliability, and eXplainability, with a total of 17 measures for a systematic evaluation. Specifically, i) we propose AlphaMix+ as a strong FinRL baseline, which leverages Mixture-of-Experts (MoE) and risk-10 sensitive approaches to make diversified risk-aware investment decisions, ii) we11 evaluate 8 widely used FinRL methods in 4 long-term real-world datasets of influential financial markets to demonstrate the usage of our PRUDEX-Compass, iii) PRUDEX-Compass1 together with 4 real-world datasets, standard implementation of 8 FinRL methods and a portfolio management RL environment is released as public resources to facilitate the design and comparison of new FinRL methods. We hope that PRUDEX-Compass can shed light on future FinRL research to prevent untrustworthy results from stagnating FinRL into successful industry deployment.
• Abstract（参考訳）: 時価総額が90兆ドルを超える金融市場は、世界中の無数の投資家の注目を集めている。 近年、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ている。 しかし、ほとんどのFinRL手法の評価は、実際の金融市場にこれらの手法を配備する実践者にとって満足できない利益に関する措置にのみ焦点が当てられている。 そこで, PRUDEX-Compassは, 6軸,すなわち, 収益性, リスクコントロール, 普遍性, 多様性, rEliability, eXplainabilityの計17の尺度を持ち, 体系的評価を行う。 具体的には i)AlphaMix+を強力なFinRLベースラインとして提案し,Mixture-of-Experts (MoE) とリスク10敏感なアプローチを用いて,多様なリスク対応投資決定を行う。 二 PRUDEX-Compassの活用を実証するため、影響力のある金融市場の長期実世界の4つのデータセットにおいて広く利用されているFinRL法を評価。 三 PRUDEX-Compass1は、4つの実世界のデータセット、FinRLメソッドの標準実装、ポートフォリオ管理RL環境を公開リソースとしてリリースし、新しいFinRLメソッドの設計及び比較を容易にする。 PRUDEX-Compassが将来のFinRL研究に光を当てて、不信な結果がFinRLを業界展開に停滞させるのを防ぐことを期待しています。

関連論文リスト

• 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)
• FinBen: A Holistic Financial Benchmark for Large Language Models [75.09474986283394]
  FinBenは、24の財務タスクにまたがる36のデータセットを含む、最初の大規模なオープンソース評価ベンチマークである。 FinBenは、幅広いタスクとデータセット、ストックトレーディングの最初の評価、新しいエージェントと検索可能な生成(RAG)の評価、およびテキスト要約、質問応答、株式トレーディングのための3つの新しいオープンソース評価データセットを提供する。
  論文  参考訳（メタデータ） (2024-02-20T02:16:16Z)
• Can Large Language Models Beat Wall Street? Unveiling the Potential of AI in Stock Selection [0.07499722271664146]
  本稿では,GPT-4による金融市場における株式選択の先進的推論を活用する革新的なフレームワークであるMarketSenseAIを紹介する。 MarketSenseAIは、市場動向、ニュース、基礎、マクロ経済要因などさまざまなデータソースを分析し、専門家の投資決定をエミュレートする。 本研究は,金融意思決定における大規模言語モデルの変容の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-01-08T08:58:46Z)
• 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)
• Safe-FinRL: A Low Bias and Variance Deep Reinforcement Learning Implementation for High-Freq Stock Trading [26.217805781416764]
  本稿では,DRLをベースとした新規な株式取引戦略であるSafe-FinRLを提案する。 主な貢献は、長期の金融時系列を、ほぼ静止した短期環境に分割することである。 次に, ソフトアクター・クリティカルに一般トレース演算子を組み込むことにより, ほぼ定常的な金融環境下でのトレース-SACを実装した。
  論文  参考訳（メタデータ） (2022-06-13T05:40:03Z)
• Quantitative Stock Investment by Routing Uncertainty-Aware Trading Experts: A Multi-Task Learning Approach [29.706515133374193]
  既存のディープラーニング手法はランダムなシードやネットワークルータに敏感であることを示す。 本稿では,成功した取引会社の効果的なボトムアップトレーディング戦略設計ワークフローを模倣する,量的投資のための新しい2段階混成(MoE)フレームワークを提案する。 AlphaMixは4つの財務基準において、最先端のベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2022-06-07T08:58:00Z)
• FinRL-Meta: A Universe of Near-Real Market Environments for Data-Driven Deep Reinforcement Learning in Quantitative Finance [58.77314662664463]
  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。
  論文  参考訳（メタデータ） (2021-12-13T16:03:37Z)
• 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)
• 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。