文献

J-GLOBAL ID：201802274943267697   整理番号：18A1773395

取引に関する予測:Q-イアリングに基づくパラメータ適応フレームワーク【JST・京大機械翻訳】

Forecasting on Trading: A Parameter Adaptive Framework Based on Q-Iearning

著者 (5件)： Chen Chao (Beihang University, School of Computer Science and Engineering, Beijing, China) ,  Li Yelin (Beihang University, School of Economics and Management, Beijing, China) ,  Bu Hui (Beihang University, School of Economics and Management, Beijing, China) ,  Wu Junjie (Beihang University, School of Economics and Management, Beijing, China) ,  Xiong Zhang (Beihang University, School of Computer Science and Engineering, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICSSSM  ページ： 1-6  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 株式価格の予測モデルを構築し,改善する方法は,近年の金融とコンピュータ分野の両方におけるホットな問題である。強化学習のフレームワークの下で,学習機構の設計は重要である。本論文は,取引Q-所得パラメータ適応予測フレームワーク(FTQL)に関する新規予測を提示した。予測誤差から直接学習する代わりに,FTQL方式は,予測結果と資産配分戦略に基づく取引戦略の性能を考慮することによって,学習機構の新しい設計を提案する。FTQLは,まず第一に,基礎となるストックとその関連資産の両方の閉鎖価格から特徴を抽出し,ロジスティック回帰(LR)モデルをセットアップして,方向性予測を提供する。次に,予測結果に従って投資信号を作り出し,そして,例えば,ユニフォーム定数再平衡ポートフォリオ(UCRP)戦略の変種のような取引信号を実行するために,資産配分戦略を適用した。最後に,FTQLのキーポイントであるQ-Iearningは,訓練Q行列に従って最良の行動をとることによって,毎日,信号生成モデルの最良のパラメータ組合せを選択する。FTQLは,揮発性ストック市場におけるパラメータ適応に関するその有効性と普遍性を証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  投資 ,  ポートフォリオ ,  *予測 ,  金融 ,  在庫量 ,  揮発性 ,  指向性 ,  コンピュータ ,  普遍性 ,  強化学習 ,  予測誤差 ,  予測モデル
準シソーラス用語： ロジスティック回帰分析 ,  生成モデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 取引 ,  予測 ,  パラメータ適応 ,  フレームワーク