論文の概要: Exploiting Risk-Aversion and Size-dependent fees in FX Trading with Fitted Natural Actor-Critic

• arxiv url: http://arxiv.org/abs/2410.23294v1
• Date: Tue, 15 Oct 2024 13:13:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 08:19:22.191471
• Title: Exploiting Risk-Aversion and Size-dependent fees in FX Trading with Fitted Natural Actor-Critic
• Title（参考訳）: 有限個の自然アクタークリティカルを用いたFXトレーディングにおけるリスク回避とサイズ依存手数料の爆発的展開
• Authors: Vito Alessandro Monaco, Antonio Riva, Luca Sabbioni, Lorenzo Bisi, Edoardo Vittori, Marco Pinciroli, Michele Trapletti, Marcello Restelli,
• Abstract要約: 我々は、外国為替市場における日内価格パターンの認識と活用の可能性に焦点を当てる。 提案手法は,Fitted Natural Actor-Criticと呼ばれる強化学習アルゴリズムの実装を含む。 注文サイズに依存するため、トランザクションコストを現実的にモデル化するのに役立ちます。
• 参考スコア（独自算出の注目度）: 30.043195728451412
• License:
• Abstract: In recent years, the popularity of artificial intelligence has surged due to its widespread application in various fields. The financial sector has harnessed its advantages for multiple purposes, including the development of automated trading systems designed to interact autonomously with markets to pursue different aims. In this work, we focus on the possibility of recognizing and leveraging intraday price patterns in the Foreign Exchange market, known for its extensive liquidity and flexibility. Our approach involves the implementation of a Reinforcement Learning algorithm called Fitted Natural Actor-Critic. This algorithm allows the training of an agent capable of effectively trading by means of continuous actions, which enable the possibility of executing orders with variable trading sizes. This feature is instrumental to realistically model transaction costs, as they typically depend on the order size. Furthermore, it facilitates the integration of risk-averse approaches to induce the agent to adopt more conservative behavior. The proposed approaches have been empirically validated on EUR-USD historical data.
• Abstract（参考訳）: 近年、人工知能の普及は、様々な分野に広く応用されているため、その人気が高まっている。 金融セクターは、さまざまな目的を追求するために市場と自律的に相互作用するように設計された自動取引システムの開発など、複数の目的のためにその優位性を活用してきた。 本研究は、広範囲な流動性と柔軟性で知られる外国為替市場における日内価格パターンの認識と活用の可能性に焦点を当てる。 提案手法は,Fitted Natural Actor-Criticと呼ばれる強化学習アルゴリズムの実装を含む。 このアルゴリズムは、連続的なアクションによって効果的に取引できるエージェントの訓練を可能にし、異なるトレーディングサイズで注文を実行することができる。 この機能は、通常注文サイズに依存するため、トランザクションコストを現実的にモデル化するのに役立ちます。 さらに、より保守的な行動を採用するようにエージェントを誘導するためにリスク回避アプローチの統合を促進する。 提案手法はEUR-USDの歴史的データに基づいて実験的に検証されている。

関連論文リスト

• From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning [62.54484062185869]
  本稿では,エージェントの強化学習プロセスの最適化にステップワイド報酬を利用するStepAgentを紹介する。 エージェント反射とポリシー調整を容易にする暗黙の逆・逆の強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-11-06T10:35:11Z)
• 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)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• QuantAgent: Seeking Holy Grail in Trading by Self-Improving Large Language Model [14.800710112671226]
  本稿では,ドメイン固有の知識基盤を効率的に構築し,統合する上での課題に対処する,原則的枠組みを提案する。 内側のループでは、エージェントは知識ベースから引き出すことで応答を洗練し、外側のループでは、これらの応答は現実世界のシナリオでテストされる。 我々はこのフレームワークを、QuantAgentという名のトレーディングシグナルをマイニングするための自律エージェントを通じてインスタンス化する。
  論文  参考訳（メタデータ） (2024-02-06T06:47:14Z)
• Decision Tree Psychological Risk Assessment in Currency Trading [0.0]
  この論文は、AIモデルがトレーダの履歴データ内のニュアンスドパターンを識別することができることを示唆している。 計算のリアルタイム性は、積極的ツールとしてのモデルの実用性を高める。
  論文  参考訳（メタデータ） (2023-11-26T07:23:37Z)
• 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)
• Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
  本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。 本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
  論文  参考訳（メタデータ） (2021-01-28T05:52:18Z)
• Option Hedging with Risk Averse Reinforcement Learning [34.85783251852863]
  リスク回避型強化学習がヘッジオプションにどのように使用できるかを示す。 我々は,バニラオプションヘッジ環境に最先端のリスク逆アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2020-10-23T09:08:24Z)
• Differential Machine Learning [0.0]
  自動随伴微分(AAD)と現代の機械学習(ML)を組み合わせた微分機械学習 高速で正確な価格設定とリスク近似をオンライン,リアルタイムに,コンバージェンス保証付きでトレーニングするための新しいアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2020-05-05T17:32:37Z)
• 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。