Oct, 2023

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

PDF
TL;DR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。
automated trading systemreinforcement learningcryptocurrency marketcausalreinforcenet frameworkbayesian networks
发现论文，激发创造
  • 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

  • 基于深度强化学习的加密货币自动交易集成方法

    我们提出了一种集成方法，以提高在高度随机的日内加密货币组合交易环境中通过深度强化学习算法训练的交易策略的泛化性能。我们采用了一种模型选择方法，对多个验证期进行评估，并提出了一种新颖的混合分布策略，以有效地集成所选模型。我们提供了关于细粒度测试期间样本外表现的分布视图，以证明策略在不断变化的市场条件下的稳健性，并定期重新训练模型以应对金融数据的非平稳性。与深度强化学习策略和被动投资策略的基准相比，我们提出的集成方法改善了样本外表现。

    Jul, 2023

  • 加密货币交易的深度强化学习：应对过度拟合回测的实用方法

    该研究提出了一种用于处理加密货币交易中 backtest 过度拟合的实用方法，将检测 backtest 过度拟合看作一种假设检验，使用深度强化学习智能体来训练，估计过度拟合的概率并且拒绝过度拟合的智能体，最后，通过在包括市场崩溃的测试期间（2022 年 5 月 1 日至 2022 年 6 月 27 日）对 10 种加密货币进行测试，该方法展现了比其他方法更好的市场表现和可行性。

    Sep, 2022

  • 使用深度强化学习进行加密货币市场交易的盈利策略设计

    本研究使用深度强化学习算法 ——PPO、SAC、GAIL，针对三个加密货币市场的交易策略设计问题，通过价格数据和技术指标，实现了基于 Gym 仿真环境的交易策略，测试结果表明该方法有望帮助投资者在市场中获得更高的收益率，且最高收益率为 4850 美元。同时，我们还探讨了在环境设计中特定超参数的使用，可以用于调整所生成策略中的风险。

    Jan, 2022

  • 学做中：带因果感知策略的在线因果强化学习框架

    通过引入因果图模型来显式建模状态生成过程，并通过主动干预学习环境，优化衍生目标，提出了一种在探索阶段使用干预进行因果结构学习，然后在开发阶段使用学习到的因果结构进行策略指导的框架。实验结果表明，我们的方法在因果指导的策略学习和因果结构学习的良性循环的推动下，在故障报警环境中有效且稳健，超越了最先进的基准方法。

    Feb, 2024

  • 外汇市场多智能体异步分布的交易优化深度强化学习方法

    这项研究开创性地应用了多智能体强化学习（MA RL）框架与最先进的异步优势演员 - 评论家（A3C）算法，结果表明此方法可以更广泛和更快地探索不同的货币对，显著提高交易收益。此外，代理可以在较短时间内学习到更有利可图的交易策略。

    May, 2024

  • 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

  • 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

    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。

    Jul, 2023

  • 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

  • 强化学习在交易系统中的应用：调查

    本研究基于强化学习技术的理论基础和概念，对 29 篇相关研究进行了综合分析和比较，总结出了当前的系统设计最佳实践、需要进一步研究的领域和有前途的研究机会。此外，本文还试图通过帮助研究人员遵守标准和避免偏离强化学习构造的坚实基础来促进该领域的发展。

    Nov, 2022