文献

J-GLOBAL ID：202102259065902262   整理番号：21A0993919

日株取引のためのデータ強化ベース強化学習の利用【JST・京大機械翻訳】

Using Data Augmentation Based Reinforcement Learning for Daily Stock Trading

著者 (5件)： Yuan Yuyu (School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing 100876, China) ,  Yuan Yuyu (Key Laboratory of Trustworthy Distributed Computing and Service, Ministry of Education, Beijing 100876, China) ,  Wen Wen (School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing 100876, China) ,  Yang Jincui (School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing 100876, China) ,  Yang Jincui (Key Laboratory of Trustworthy Distributed Computing and Service, Ministry of Education, Beijing 100876, China)
資料名： Electronics (Web)  (Electronics (Web))
巻： 9  号： 9  ページ： 1384  発行年： 2020年 
JST資料番号： U7178A  ISSN： 2079-9292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： アルゴリズム取引において,適切な訓練データセットは,利益を作るのに重要である。しかし,1日の単位における株式取引データは,強化学習のための大きな需要に合致できない。この問題に取り組むために,エージェントを訓練するために微小キャンドルデータ(オープン,高,低,近接)を使用するデータ増強ベース強化学習(DARL)と呼ぶフレームワークを提案した。次に,エージェントを用いて,毎日のストック取引をガイドした。この方法で,著者らは,強化学習効果を大幅に改善することができる数百倍の訓練で利用可能なデータのインスタンスを増加できる。しかし,すべてのストックはこの種の取引に適していない。したがって,著者らは,このアルゴリズムを用いて適切に取引できるストックを選択するために,歪みと尖度に基づくアクセス機構を提案する。著者らの実験において,著者らは,近位政策最適化(PPO)が,高いリスク調整リターンを達成する最も安定したアルゴリズムであることを見出した。深いQ学習(DQN)とソフトアクター批判(SAC)は,Sharp比の市場をでめることができる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  在庫量 ,  エージェント ,  *強化学習
準シソーラス用語： 訓練データ ,  尖度 ,  Q学習 ,  株式取引 , 【Automatic Indexing@JST】

著者キーワード (4件)： アルゴリズム取引 ,  深層強化学習 ,  データ増強 ,  アクセス機構

分類 (2件)： 人工知能  (JE08000Z) ,  利益管理  (KA05030A)

引用文献 (23件)：

• Jeong, G.; Kim, H.Y. Improving financial trading decisions using deep Q-learning: Predicting the number of shares, action strategies, and transfer learning. Expert Syst. Appl. 2019, 117, 125-138.
• Li, X.; Li, Y.; Zhan, Y.; Liu, X.-Y. Optimistic bull or pessimistic bear: Adaptive deep reinforcement learning for stock portfolio allocation. arXiv 2019, arXiv:1907.01503.
• Li, Y.; Zheng, W.; Zheng, Z. Deep robust reinforcement learning for practical algorithmic trading. IEEE Access 2019, 7, 108014-108022.
• Liang, Z.; Chen, H.; Zhu, J.; Jiang, K.; Li, Y. Adversarial deep reinforcement learning in portfolio management. arXiv 2018, arXiv:1808.09940.
• Lei, K.; Zhang, B.; Li, Y.; Yang, M.; Shen, Y. Time-driven feature-aware jointly deep reinforcement learning for financial signal representation and algorithmic trading. Expert Syst. Appl. 2020, 140, 112872.

タイトルに関連する用語 (4件)： 株 ,  取引 ,  強化 ,  強化学習