論文の概要: Optimal Stop-Loss and Take-Profit Parameterization for Autonomous Trading Agent Swarm

• arxiv url: http://arxiv.org/abs/2604.27150v1
• Date: Wed, 29 Apr 2026 19:58:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.783877
• Title: Optimal Stop-Loss and Take-Profit Parameterization for Autonomous Trading Agent Swarm
• Title（参考訳）: 自動取引エージェントSwarmの最適停止損失とテイク利益パラメータ化
• Abstract要約: 本稿では, 自動取引エージェント群の性能向上を図るため, ストップロスとテイクフォリティーの設定の改善について検討する。 900以上の歴史的な取引を用いて、私たちは多くの代替出口政策の下でそれぞれの取引をリプレイし、既存の生産体制と比較します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous crypto trading systems often spend most of their design effort on finding entries, while exits are left to fixed rules that are rarely tested in a systematic way. This paper examines whether better stop-loss and take-profit settings can improve the performance of an autonomous trading agent swarm. Using more than 900 historical trades, we replay each trade under many alternative exit policies and compare results against the existing production setup. The study finds that exit design matters meaningfully: stronger configurations improve risk-adjusted performance and generally favor tighter loss limits, earlier profit capture, and closer trailing protection. The paper also discusses a key evaluation challenge: a purely chronological split was initially used, but the newest trades fell into an unusual war-driven market period that sharply distorted test results. To reduce the influence of that single episode, the main comparison was run on randomized data, with the drawbacks of doing so acknowledged explicitly. Overall, the paper presents a practical framework for tuning exit logic in a more disciplined and transparent way.
• Abstract（参考訳）: 自律的な暗号取引システムは、しばしばエントリーを見つけるために設計に多くの労力を費やすが、出口は体系的な方法でテストされることがほとんどない固定されたルールに委ねられる。 本稿では, 自動取引業者の群集の性能向上を図るため, ストップロスとテイクフォリティーの設定の改善について検討する。 900以上の歴史的な取引を用いて、私たちは多くの代替出口政策の下でそれぞれの取引をリプレイし、既存の生産体制と比較します。 より強力な構成により、リスク調整されたパフォーマンスが向上し、一般的には、損失制限の厳格化、早期の利益獲得、そしてより緊密な後続保護が望まれる。 純粋な時系列分割が最初に使用されたが、最新の取引は、テスト結果を著しく歪ませる戦争主導の市場期間に落ち込んだ。 その単一エピソードの影響を低減するため、主比較はランダム化データ上で実行され、その欠点は明確に認識されている。 全体として、より規律的で透明な方法で出口論理をチューニングするための実践的な枠組みを提示する。

関連論文リスト

• RAPTOR: Role-Aware Private Training for Mixture-of-Experts [68.5626338219096]
  RAPTORはRole-Aware Private Trainingフレームワークである。 RAPTORは共有と専門家の最適化を交互に行い、各障害を直接ターゲットする。 GLUEタスク間でのSwitch TransformerとOLMoEの微調整およびDeepSeek-VL2-Tinyの実験では、標準のDPベースラインよりも一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-09-04T23:16:12Z)
• Not Worth Another Token: Marginal Value Estimation for Efficient Deep Research Agents [69.57766200248706]
  深層研究エージェントの文脈管理における限界値推定について検討する。 我々は, 検索前, 検索後, 合成前において, 軽量な基準と学習価値モデルを評価する。 ライトウェイトは、少ない品質劣化でトークンの使用量を最大73%削減し、学習されたプルーニングは、選択されたトレードオフにおいて競争力を持ち、品質、効率、忠実性で1つの方法が支配することはない。
  論文  参考訳（メタデータ） (2026-08-09T00:56:37Z)
• Offline Preference-Based Trajectory Evaluation [54.93316418589433]
  そこで我々は,時間的嗜好と時間的回帰プロファイルを直接比較した,嗜好に基づく軌道評価を提案する。 さまざまなエージェントとインタラクティブなベンチマークにおいて、標準的な成功ベースのメトリクスは、およそ75%のインスタンスで相関した比較を生成します。
  論文  参考訳（メタデータ） (2026-06-16T05:42:19Z)
• Profit is the Red Team: Stress-Testing Agents in Strategic Economic Interactions [2.0415910628419067]
  我々は,手作りの攻撃を,その利益を最大化するために訓練された学習相手に置き換えるストレステストプロトコルである,利益主導のレッドチームを提案する。 我々はこれを4つの標準的経済相互作用のリーンアリーナでインスタンス化し、適応的利用性のための制御されたテストベッドを提供する。 評価エピソードをエージェントの簡潔なプロンプトルールに抽出し, 従来観測されていた障害を非効率にし, 目標性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2026-03-21T19:56:54Z)
• Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
  金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。 展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。 従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。 楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T18:22:25Z)
• Learning to Route LLMs from Bandit Feedback: One Policy, Many Trade-offs [69.2486294522259]
  BaRPはBandit Routing-feedback with Preferencesアプローチであり、デプロイと同じ部分フィードバック制限の下でトレーニングされる。 提案手法は,学習中のオンラインフィードバック設定をシミュレートし,新たなプロンプトに適応する。
  論文  参考訳（メタデータ） (2025-10-08T18:24:59Z)
• SFT Doesn't Always Hurt General Capabilities: Revisiting Domain-Specific Fine-Tuning in LLMs [53.77646961962239]
  Supervised Fine-Tuning (SFT) は、大規模言語モデル(LLM)を特殊タスクに適用するための一般的なアプローチである。 より少ない学習率で一般的な性能劣化を著しく軽減することができる。
  論文  参考訳（メタデータ） (2025-09-25T05:28:22Z)
• Profit over Proxies: A Scalable Bayesian Decision Framework for Optimizing Multi-Variant Online Experiments [0.0352925259310339]
  オンライン制御実験(A/Bテスト)は、デジタル経済におけるデータ駆動型意思決定の基礎である。 p-value"は偽陽性率を膨らませ、変換レートのようなプロキシメトリクスへの過度な依存は、必然的にビジネスの黒字化を損なう決定につながる可能性がある。 本稿では,多変量(A/B/n)実験における利益最適化を目的とした包括的かつスケーラブルなベイズ決定フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-16T02:24:20Z)
• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
  LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。 ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。 我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。 我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• Trajectory-Aware Eligibility Traces for Off-Policy Reinforcement Learning [44.50394347326546]
  多段階リターンからのオフ政治学習は、サンプル効率の強化学習に不可欠である。 オフ政治バイアスは、決定ごとに修正されるが、トレースが完全にカットされると、その効果は逆転できない。 本稿では,多段階演算子を提案する。
  論文  参考訳（メタデータ） (2023-01-26T18:57:41Z)
• Improving the Efficiency of Off-Policy Reinforcement Learning by Accounting for Past Decisions [20.531576904743282]
  オフ政治推定バイアスは、決定ごとに補正される。 Tree BackupやRetraceといったオフポリティクスアルゴリズムはこのメカニズムに依存している。 任意の過去のトレースを許可するマルチステップ演算子を提案する。
  論文  参考訳（メタデータ） (2021-12-23T00:07:28Z)
• Where is the Grass Greener? Revisiting Generalized Policy Iteration for Offline Reinforcement Learning [81.15016852963676]
  オフラインRL体制における最先端のベースラインを、公正で統一的で高分解能なフレームワークの下で再実装する。 与えられたベースラインが、スペクトルの一方の端で競合する相手よりも優れている場合、他方の端では決してしないことを示す。
  論文  参考訳（メタデータ） (2021-07-03T11:00:56Z)
• Deep Reinforcement Learning in Quantitative Algorithmic Trading: A Review [0.0]
  深層強化学習エージェントはChessやGoといった多くのゲームで想定される力であることが証明された。 本稿では、ファイナンスにおけるAIのサブドメインにおける深層強化学習の進歩を概観する。 我々は、株取引におけるDRLは、強い前提の下でプロのトレーダーと競合する可能性が大きいと結論付けている。
  論文  参考訳（メタデータ） (2021-05-31T22:26:43Z)
• Learning from eXtreme Bandit Feedback [105.0383130431503]
  非常に大きな行動空間の設定における帯域幅フィードバックからのバッチ学習の問題について検討する。 本稿では,より有利なバイアス分散状態で動作する選択的重要度サンプリング推定器(sIS)を提案する。 我々は,この推定器を,XMCタスクの帯域幅フィードバックから学習するために,新しいアルゴリズム手法であるポリシ・オプティマイズ・フォー・エクストリーム・モデル (POXM) に採用する。
  論文  参考訳（メタデータ） (2020-09-27T20:47:25Z)

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。