循环强化学习加密资产智能体
机器学习
2022-05-24 v4 交易与市场微观结构
摘要
我们展示了在线迁移学习在数字资产交易智能体中的一种新颖应用。该智能体使用以回声状态网络形式的强大特征空间表示，其输出提供给一个直接的循环强化学习智能体。该智能体以日内方式学习交易 BitMEX 上的 XBTUSD（比特币兑美元）永续掉期衍生品合约。通过从其所寻求最大化的二次风险调整效用的多重影响来源中学习，该智能体避免了过度的过度交易，获取了资金费率利润，并能够预测市场方向。总体而言，我们的加密智能体在约五年内实现了扣除交易成本后 350% 的总回报，其中 71% 来自资金费率利润。其实现的年化信息比为 1.46。
引用
@article{arxiv.2201.04699,
title = {The Recurrent Reinforcement Learning Crypto Agent},
author = {Gabriel Borrageiro and Nick Firoozye and Paolo Barucca},
journal= {arXiv preprint arXiv:2201.04699},
year = {2022}
}