选择并交易：面向基于分层强化学习的统一配对交易

配对交易是最有效的统计套利策略之一，它通过对冲所选的一对资产来寻求中性利润。现有方法通常将任务分解为两个独立步骤：配对选择和交易。然而，两个紧密相关的子任务的脱钩会阻碍信息传导并导致整体性能受限。对于配对选择，忽略交易性能会导致选出价格变动无关的错误资产，而为交易训练的智能体可能在没有其他资产历史信息的情况下对所选资产过拟合。为此，本文提出一种将自动配对交易作为统一任务而非两步流水线的范式。我们设计了一个分层强化学习框架来联合学习和优化两个子任务。高层策略从所有可能组合中选择两种资产，低层策略随后执行一系列交易动作。在真实股票数据上的实验结果证明了我们的方法相较于现有配对选择与交易方法在配对交易上的有效性。