机构名称：
¥ 1.0
摘要 - 由于投资者和政策制定者的巨大潜力，储存市场的预测长期以来一直是财务研究的重点。这是一项具有挑战性的任务，因为它涉及根据历史数据来预测资产的未来价格。传统的定量交易策略通常在适应动态市场条件并捕获财务数据中的复杂模式方面面临挑战。回应，这项工作探讨了一种新颖的股票预测方法，将变压器架构的力量与强化学习的决策能力相结合。我们提出了一个定量交易框架，该框架集成了一个基于变压器的编码器 - 编码网络，以预测未来的股票价格，并根据这些预测来预测股票价格和强化学习代理商，以对投资策略进行计算。变压器网络利用其自我注意力的机制在历史价格数据中捕获复杂的关系，而强化学习代理在模拟环境中通过反复试验学习最佳行动。实验结果证明了与现有方法相比，我们方法在提高库存预测准确性方面的有效性。这项工作突出了将变压器和增强学习结合起来的潜力，以实现股票和库存市场导航。索引条款 - 托克预测，强化学习，变压器，量化交易，算法交易，金融市场
基于变压器的强化学习模型用于优化定量交易
主要关键词
相关文件推荐
