赋能强化学习智能体因果分析的框架：增强自动化加密货币交易
人工智能
2024-08-21 v2 机器学习
摘要
尽管人工智能增强的交易方法取得了进展，在快速演变的加密货币市场中开发盈利的自动化交易系统仍具挑战。本研究致力于开发一种强化学习（RL）框架，以应对交易五种主流 altcoin（替代币）的复杂性：币安币、以太坊、莱特币、瑞波币和泰达币。为此，我们提出 CausalReinforceNet（CRN）框架，它集成了贝叶斯与动态贝叶斯网络技术，以赋能 RL 智能体进行交易决策。我们基于该框架使用两种不同的 RL 算法开发了两个智能体，以分析相对于买入持有基准策略和一个基线 RL 模型的性能。结果表明，我们的框架在盈利性上超越了两种模型，凸显了 CRN 持续的优越性，尽管其有效程度在不同加密货币间有所差异。
引用
@article{arxiv.2310.09462,
title = {A Framework for Empowering Reinforcement Learning Agents with Causal Analysis: Enhancing Automated Cryptocurrency Trading},
author = {Rasoul Amirzadeh and Dhananjay Thiruvady and Asef Nazari and Mong Shan Ee},
journal= {arXiv preprint arXiv:2310.09462},
year = {2024}
}