数据交叉分割以提升基于强化学习的算法交易泛化能力
机器学习
2023-07-19 v1
摘要
机器学习在算法交易系统中的应用日益普遍。在典型设置中，监督学习用于预测资产未来价格，这些预测驱动简单的交易与执行策略。当预测具有充足信号、市场流动性好且交易成本较低时，这种方式相当有效。然而，在交易清淡的金融市场以及房地产或车辆等差异化资产市场中，这些条件往往不成立。在这些市场中，交易策略必须考虑建立相对更难调整的仓位所带来的长期影响。在本工作中，我们提出一种强化学习（RL）算法，该算法基于所学预测模型的信号进行交易并应对上述挑战。我们在来自马来西亚证券交易所（Bursa Malaysia）的20余年股票数据上测试了我们的算法。
引用
@article{arxiv.2307.09377,
title = {Data Cross-Segmentation for Improved Generalization in Reinforcement Learning Based Algorithmic Trading},
author = {Vikram Duvvur and Aashay Mehta and Edward Sun and Bo Wu and Ken Yew Chan and Jeff Schneider},
journal= {arXiv preprint arXiv:2307.09377},
year = {2023}
}