机构名称：
¥ 1.0
摘要 - 人工智能（AI）和机器学习（ML）正在通过部署能够通过广泛的财务数据集进行筛分的高级算法来转变定量交易的领域（QT），以查明利润丰厚的投资开放。AI驱动的模型，尤其是那些具有深度学习和强化学习等掌握的ML技术的模型，在预测市场趋势和以速度和准确性执行交易方面表现出了极大的能力，超过了人类的能力。其自动化关键任务的能力，例如辨别市场状况和执行交易策略，至关重要。但是，当前QT方法中存在持续的挑战，尤其是在有效处理嘈杂和高频财务数据的过程中。在探索和剥削之间取得平衡，对AI驱动的交易代理提出了另一个挑战。为了克服这些障碍，我们提出的解决方案QT-NET引入了一种自适应交易模型，该模型可以自主通过智能交易代理自动制定QT策略。将深度强化学习（DRL）与模仿学习方法结合在一起，我们加强了模型的熟练程度。为了应对波动性金融数据集带来的挑战，我们将QT机制概念化为可观察到的马尔可夫决策过程（POMDP）的框架。此外，通过嵌入模仿学习，该模型可以利用传统的交易策略，从而培养发现与利用之间的平衡协同作用。为了进行更现实的模拟，我们的贸易代理商使用来自现场金融市场的分钟数据进行培训。实验发现强调了该模型在提取强大的市场特征及其对各种市场条件的适应性方面的熟练程度。索引条款 - 质量交易，加强学习
定量交易的深入加强学习
主要关键词
相关文件推荐
