面向交易的神经符号元强化学习
人工智能
2023-02-20 v1 机器学习
计算机科学中的逻辑
摘要
我们将金融市场中的短期（例如日内）交易建模为不确定性下的序贯决策问题，并附加了持续概念漂移的复杂性。因此，我们通过RL2算法采用元强化学习。众所周知，人类交易员常常依赖价格序列中频繁出现的符号模式。我们运用逻辑程序归纳来发现频繁出现以及近期出现的符号模式，并探索使用这些特征是否能提升我们元强化学习算法的性能。我们在真实数据上的实验表明，元强化学习优于普通强化学习，并且能从学习到的符号特征中获益。
引用
@article{arxiv.2302.08996,
title = {Neuro-symbolic Meta Reinforcement Learning for Trading},
author = {S I Harini and Gautam Shroff and Ashwin Srinivasan and Prayushi Faldu and Lovekesh Vig},
journal= {arXiv preprint arXiv:2302.08996},
year = {2023}
}
备注
To appear in Muffin@AAAI'23