Safe-FinRL：一种用于高频股票交易的低偏差与低方差深度强化学习实现
投资组合管理
2022-06-14 v1 机器学习
摘要
近年来，量化金融领域的许多从业者尝试使用深度强化学习（DRL）构建更优的量化交易（QT）策略。然而，许多现有研究未能解决若干严峻挑战，例如非平稳金融环境，以及在真实金融市场中应用 DRL 时的偏差-方差权衡。本工作中，我们提出 Safe-FinRL，一种由近平稳金融环境与低偏差低方差估计增强的、基于 DRL 的高频股票交易策略。我们的主要贡献有两点：首先，我们将长金融时间序列分割为近平稳的短环境；其次，我们通过将通用 retrace 算子融入 Soft Actor-Critic，在近平稳金融环境中实现 Trace-SAC。在加密货币市场上的大量实验表明，Safe-FinRL 在近平稳金融环境中提供了稳定的价值估计与稳健的策略改进，并显著降低了偏差与方差。
引用
@article{arxiv.2206.05910,
title = {Safe-FinRL: A Low Bias and Variance Deep Reinforcement Learning Implementation for High-Freq Stock Trading},
author = {Zitao Song and Xuyang Jin and Chenliang Li},
journal= {arXiv preprint arXiv:2206.05910},
year = {2022}
}