論文の概要: Regime-Adaptive Continual Learning for Portfolio Management

• arxiv url: http://arxiv.org/abs/2606.00143v1
• Date: Fri, 29 May 2026 02:24:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.059202
• Title: Regime-Adaptive Continual Learning for Portfolio Management
• Title（参考訳）: ポートフォリオ管理のためのレジーム適応型継続的学習
• Abstract要約: 動的金融環境の課題に対処するため,textbfRegime-aware textbfContinual textbfAdaptive textbfPortfolio Management (textbfReCAP)を提案する。
• 参考スコア（独自算出の注目度）: 13.108573188875537
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Financial markets are inherently non-stationary, exhibiting frequent regime shifts and structural changes that render traditional Portfolio Management (PM) approaches ineffective. Existing remedies, such as rolling-window retraining and naive online fine-tuning, are hindered by high computational costs and insufficient knowledge utilization, respectively, resulting in low returns and limited adaptability. Continual learning (CL) offers a promising paradigm by enabling trading agents to accumulate and transfer knowledge across sequential tasks. In this paper, we propose \textbf{Re}gime-aware \textbf{C}ontinual \textbf{A}daptive \textbf{P}ortfolio management (\textbf{ReCAP}), a novel framework that integrates CL into PM to address the challenges of dynamic financial environments. ReCAP employs an adaptive regime detection module to segment historical market data into variable-length regimes, enabling regime-specific learning of policy vectors and the construction of a policy library. During continual trading, a regime-gate module adaptively combines policy vectors from the library based on the current market state, facilitating rapid adaptation to newly detected regimes. Only the regime-gate and the current regime's policy vector are continually updated to preserve useful knowledge effectively. Extensive experiments on five real-world datasets demonstrate that ReCAP consistently outperforms popular baselines, achieving superior returns in long-term investment horizons and rapid adaptation to regime shifts.
• Abstract（参考訳）: 金融市場は本質的に非定常的であり、伝統的ポルトリオ・マネジメント(PM)のアプローチを非効率にする頻繁な体制転換と構造的変化を示す。 転がり窓のリトレーニングやネットの微調整のような既存の治療法は、それぞれ高い計算コストと知識利用の不足によって妨げられ、リターンが低く、適応性が制限される。 継続的な学習(CL)は、トレーディングエージェントがシーケンシャルなタスクにまたがって知識を蓄積し、伝達できるようにすることによって、有望なパラダイムを提供する。 本稿では,動的金融環境の課題に対処するため,CLをPMに統合した新しいフレームワークである \textbf{Re}gime-aware \textbf{C}ontinual \textbf{A}daptive \textbf{P}ortfolio Management (\textbf{ReCAP})を提案する。 ReCAPは、過去の市場データを可変長のレジームに分割する適応型レジーム検出モジュールを使用して、ポリシーベクトルのレジーム固有の学習とポリシーライブラリの構築を可能にする。 継続取引の間、レジームゲートモジュールは、現在の市場状態に基づいてライブラリからのポリシーベクトルを適応的に結合し、新たに検出されたレジームへの迅速な適応を容易にする。 有用な知識を効果的に保存するために、レジームゲートと現在のレジームのポリシーベクターのみが継続的に更新される。 5つの実世界のデータセットに対する大規模な実験は、ReCAPが人気ベースラインを一貫して上回り、長期的な投資の地平線において優れたリターンを達成し、システマシフトへの迅速な適応を実現していることを示している。

関連論文リスト

• Constrained Reinforcement Learning Using Successor Representations [44.18323223572242]
  現実世界の強化学習は、安全制約をポリシーに定式化する能力に依存する。 現在の手法は、例えばドメインシフトや時間とともに移動する障害によって導入されたコスト関数の変化に適応するのは難しい。 我々は,新しいコスト構造に対するポリシーの迅速な再訓練を可能にする新しい手法であるSafe Deep Successor Representation (SafeDSR)を提案する。
  論文  参考訳（メタデータ） (2026-07-27T06:57:01Z)
• Transfer Learning Across Policy Regimes in Adaptive Multi-Agent Systems [0.0]
  政策モデルはしばしば、政策指標と結果の関係が制度的に安定していると仮定する。 本稿では,適応型マルチエージェントシステムにおける伝達学習問題としての状態変化について検討する。
  論文  参考訳（メタデータ） (2026-06-15T10:16:01Z)
• GIFT: LLM-Guided State-Reward Interface for Financial Reinforcement Learning [13.961176310497585]
  GIFT は PPO ベースの金融強化学習における状態回帰インタフェース設計のための LLM 誘導フレームワークである。 GIFTはFacter-guided State Enhancementを使用して、ファイナンシャル・ファクター・プリミティブから状態特徴を生成する。
  論文  参考訳（メタデータ） (2026-06-07T04:45:19Z)
• One-Way Policy Optimization for Self-Evolving LLMs [63.8638342097375]
  RLVR(Reinforcement Learning with Verifiable Rewards)は,Large Language Models(LLMs)の推論能力を拡張するための,有望なパラダイムとなっている。 本稿では,最適化方向を更新等級から切り離す手法である1-Way Policy Optimization (OWPO)を提案する。 実験の結果,OWPOはDAPO,OPD,MOPDなどの強いベースラインより優れていた。
  論文  参考訳（メタデータ） (2026-05-21T08:25:27Z)
• CAP: Controllable Alignment Prompting for Unlearning in LLMs [19.554047742421197]
  大規模言語モデル(LLM)は、未フィルタリングコーパスで訓練され、本質的に機密情報を保持するリスクを負う。 既存のパラメータ修正手法は、計算コストの増大、制御不能な境界の無視、モデルウェイトアクセスへの厳格な依存など、基本的な制限に直面している。 我々は、エンドツーエンドのプロンプト駆動型アンラーニングパラダイムである、Unlearningフレームワークのための制御可能なアライメント・プロンプトを提案する。
  論文  参考訳（メタデータ） (2026-04-23T03:42:41Z)
• Robust Offline Reinforcement Learning with Linearly Structured f-Divergence Regularization [11.739526562075339]
  ロバスト正規化マルコフ決定過程 (RRMDP) は、値関数の遷移力学に正規化を加えることで、ダイナミクスシフトに頑健なポリシーを学ぶために提案される。 本稿では,リニア関数近似を用いたロバスト正規化ペシミスティック値反復法 (R2PVI) アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-11-27T18:57:03Z)
• Continual Task Learning through Adaptive Policy Self-Composition [54.95680427960524]
  CompoFormerは構造ベースの連続トランスフォーマーモデルであり、メタポリシックネットワークを介して、以前のポリシーを適応的に構成する。 実験の結果,CompoFormerは従来の継続学習法(CL)よりも優れており,特にタスクシーケンスが長いことが判明した。
  論文  参考訳（メタデータ） (2024-11-18T08:20:21Z)
• Decision Mamba: A Multi-Grained State Space Model with Self-Evolution Regularization for Offline RL [57.202733701029594]
  本稿では,自己進化型政策学習戦略を持つ新しい多粒状態空間モデル(SSM)であるDecision Mambaを提案する。 これらの課題に対処するため、我々は自己進化型政策学習戦略を持つ新しい多粒状態空間モデル(SSM)であるDecision Mambaを提案する。 雑音性軌道上における過度に適合する問題を緩和するために,進行正則化を用いて自己進化政策を提案する。
  論文  参考訳（メタデータ） (2024-06-08T10:12:00Z)
• Projected Off-Policy Q-Learning (POP-QL) for Stabilizing Offline Reinforcement Learning [57.83919813698673]
  Projected Off-Policy Q-Learning (POP-QL) は、政治外のサンプルを同時に重み付け、分散を防止し、価値近似誤差を減らすためにポリシーを制約する新しいアクタ批判アルゴリズムである。 我々の実験では、POP-QLは標準ベンチマーク上での競合性能を示すだけでなく、データ収集ポリシーがかなり最適化されていないタスクにおいて競合するメソッドよりも優れています。
  論文  参考訳（メタデータ） (2023-11-25T00:30:58Z)
• Bayesian Inverse Transition Learning for Offline Settings [30.10905852013852]
  強化学習は、医療や教育などの領域におけるシーケンシャルな意思決定に一般的に用いられる。 我々は、遷移力学の後方分布を確実に学習するために、デシダラタを捕捉する新しい制約ベースのアプローチを提案する。 その結果、制約を用いることで、高いパフォーマンスのポリシーを学習し、異なるデータセットに対するポリシーのばらつきを著しく低減することを示した。
  論文  参考訳（メタデータ） (2023-08-09T17:08:29Z)
• Balancing Profit, Risk, and Sustainability for Portfolio Management [0.0]
  本研究では,リスクを表すシャープ比と持続可能性を表す環境,社会,ガバナンススコア(ESG)を備えた新しいユーティリティ機能を開発する。 連続的な行動空間を許容することで、深いQ-ラーニングアプローチを改善しつつ、MADDPGよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-06-06T08:38:30Z)
• Non-stationary Online Learning with Memory and Non-stochastic Control [71.14503310914799]
  我々は,過去の決定に依拠する損失関数を許容するメモリを用いたオンライン凸最適化(OCO)の問題について検討する。 本稿では,非定常環境に対してロバストなアルゴリズムを設計するための性能指標として,動的ポリシーの後悔を紹介する。 我々は,時間的地平線,非定常度,メモリ長といった面で,最適な動的ポリシーの後悔を確実に享受するメモリ付きOCOの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-07T09:45:15Z)
• Time your hedge with Deep Reinforcement Learning [0.0]
  深層強化学習(DRL)は、市場情報とヘッジ戦略の割り当て決定の間のダイナミックな依存関係を作成することで、この課題に対処することができる。 i)行動決定に追加の文脈情報を使用し、(ii)共通の資産運用者の1日のラグ転倒を考慮し、ヘッジの再均衡を図るための観察と行動の間に1期間の遅れがあり、(iii)アンカードウォークフォワードトレーニングと呼ばれる反復的な試験方法により、安定性とロバスト性の観点から完全にテストされており、(iv)時系列のkフォールドクロスバリデーションと同様に、ヘッジの活用を可能にする。
  論文  参考訳（メタデータ） (2020-09-16T06:43:41Z)
• Conservative Q-Learning for Offline Reinforcement Learning [106.05582605650932]
  CQLは既存のオフラインRLメソッドよりも大幅に優れており、多くの場合、ファイナルリターンの2～5倍高いポリシを学習しています。 理論的には、CQLは現在のポリシーの価値の低いバウンダリを生成し、理論的改善保証を伴う政策学習手順に組み込むことができることを示す。
  論文  参考訳（メタデータ） (2020-06-08T17:53:42Z)

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。