Jul, 2023

基于强化学习的可扩展加密货币投资组合管理系统利用链上数据

PDF
TL;DR本研究提出一种基于强化学习（RL）的加密货币投资组合管理系统，该系统在信息理解和交易执行方面都采用了区块链上链数据，经过回测测试，其累计收益率、日收益率和 Sortino 比率均表现优异，尤其是相比比特币，本系统可将以上指标分别提高至少 83.14％，0.5603％和 2.1767。
on-chain datareinforcement learningcrypto portfolio managementaccumulated rate of returnsortino ratio
发现论文，激发创造
  • 利用深度强化学习进行加密货币投资组合管理

    本文提出了一种使用历史价格数据的基于模型的卷积神经网络，输出给定金融资产的投资组合权重。通过强化学习的方式，对加密货币交易所 0.7 年的价格数据进行了训练，最终在 30 分钟内获得了 10 倍的回报，并将其与其他投资组合策略进行了比较。该模型不仅适用于加密货币市场，还可应用于任何其他金融市场。

    Dec, 2016

  • 金融组合管理问题的深度强化学习框架

    本文提出了一个具有 EIIE 拓扑结构、PVM、OSBL 方案和完全利用和显式奖励函数的基于深度强化学习的组合策略金融投资组合管理框架，该框架需要使用 CNN、RNN 或 LSTM，通过在加密货币市场上进行三次回测实验，与其他相比，实现了最好的投资回报。

    Jun, 2017

  • 多智能体强化学习模拟加密市场

    通过使用多智能体强化学习模型，对加密货币市场进行建模和仿真，该模型根据 2018 年至 2022 年间 Binance 交易的 153 种加密货币的每日收盘价进行校准，利用市场价格和加密资产基本价值的近似值进行资产价格估值，从而精确模拟加密货币市场的微观结构和关键市场行为。

    Feb, 2024

  • 基于加强学习的组合投资管理与增强资产动态预测状态

    提出了一种基于强化学习的框架（SARL）来应对金融投资组合管理中数据异构性和环境不确定性的问题，实验结果表明，该框架可以提高投资组合的累积收益和风险调整后的利润。

    Feb, 2020

  • 基于模型的深度强化学习在动态投资组合优化中的应用

    使用深层强化学习的自主交易代理设计动态投资组合优化模型，通过模型无关机器学习模块、生成式对抗数据增强模块以及行为克隆模块实现训练，对历史金融市场数据进行模拟交易，证明该模型相较于先前的交易策略是稳健的、盈利的和风险敏感的。

    Jan, 2019

  • 赋能强化学习智能体的因果分析框架：提升自动加密货币交易

    本研究旨在通过开发基于强化学习的自动化交易系统来应对加密货币市场中不断演进的挑战。通过使用因果分析增强强化学习代理的能力，我们设计了 CausalReinforceNet 框架作为交易系统的基础架构，利用贝叶斯网络在特征工程过程中识别对加密货币价格变动产生因果关系的相关特征，并通过动态贝叶斯网络引入概率性价格方向信号来增强强化学习代理的决策能力。该框架在盈利能力方面显著超过了买入持有基准策略，并为 Binance Coin 和 Ethereum 生成了可观的投资回报。

    Oct, 2023

  • 基于可屏蔽股票表示的强化学习在可定制股票池中的投资组合管理

    通过一次性训练全球股票池中的可定制股票池，提出了具有可屏蔽股票表示的增强学习框架 EarnMore，通过掩盖目标池外的股票的表示、学习有意义的股票表示和重新加权机制，在 8 个美国股票市场的子集股票池上的大量实验证明，EarnMore 在利润上的 6 个常用金融指标上显著优于 14 种最新算法，达到了超过 40% 的提升。

    Nov, 2023

  • 使用深度强化学习的预测性加密资产自动化做市架构，用于去中心化金融

    提出了一种基于深度学习的增强型自动化市场制造商，用于提高实际 AMM 的流动性提供，并降低流失和滑点损失。

    Sep, 2022

  • 深度股票交易：一种层次化强化学习框架用于投资组合优化和订单执行

    提出了一种基于层次化强化学习的股票交易系统，将交易过程分解为管理和执行交易两个级别，并通过预训练和迭代训练方式对两个层级的策略进行训练，从而实现长期收益的最大化和交易成本的最小化。在美股市场和中国股市的实验证明了此方法的显著效果提升。

    Dec, 2020

  • MetaTrader: 一种融合多样策略的强化学习方法用于投资组合优化

    本文提出了一种基于元学习和深度增强学习的投资组合管理方法 MetaTrader，通过模仿不同的专家策略来获取适应不同市场的交易策略，并学习元策略来决定最适合的策略。实证结果表明，MetaTrader 在平衡利润和风险方面显著优于现有的基线模型，并通过彻底的消融研究验证了该方法组成部分的有效性。

    Sep, 2022