როგორ ერგება განმტკიცებითი სწავლება ბაზრის არასტაბილურობას

სავაჭრო ბოტების უმეტესობა სტატიკურია. თქვენ აყენებთ პარამეტრებს და ისინი ბრმად ასრულებენ. განმტკიცებითი სწავლება (Reinforcement Learning - RL) ცვლის თამაშს აგენტის შემოყვანით, რომელიც სწავლობს ცდისა და შეცდომის გზით, ოპტიმიზაციას უკეთებს ჯილდოს ფუნქციას (ჩვეულებრივ მოგება და ზარალი).

RL ციკლი ტრეიდინგში

1. აგენტი (Agent): სავაჭრო ბოტი.
2. გარემო (Environment): ბაზარი (ფასები, შეკვეთების წიგნი).
3. მოქმედება (Action): ყიდვა, გაყიდვა ან შენარჩუნება (Hold).
4. ჯილდო (Reward): მოგება (დადებითი) ან ზარალი (უარყოფითი).

აგენტი მუდმივად აკვირდება ბაზრის მდგომარეობას, ახორციელებს მოქმედებას და იღებს უკუკავშირს. მილიონობით სიმულაციის (ან "ეპოქის") განმავლობაში, ის სწავლობს პოლიტიკას, რომელიც მაქსიმალურად ზრდის გრძელვადიან ჯილდოებს.

არასტაბილურობასთან ადაპტაცია

RL-ის სუპერ ძალა ადაპტაციაა.

• ხარის ბაზარი (Bull Market): აგენტი სწავლობს, რომ "იყიდე და შეინარჩუნე" იძლევა ყველაზე მაღალ ჯილდოს.
• მერყევი ბაზარი (Choppy Market): აგენტი აცნობიერებს, რომ შენარჩუნება იწვევს ვარდნას (drawdowns), ამიტომ ის გადადის საშუალოზე დაბრუნების (mean-reversion) სტილზე.

Grid Bots-ისგან განსხვავებით, რომლებიც მოითხოვენ დიაპაზონის განსაზღვრას, RL აგენტს შეუძლია დინამიურად იპოვნოს ოპტიმალური დიაპაზონი.

RL-ის გამოწვევები

ყველაფერი არც ისე მარტივადაა. RL მოდელები შეიძლება მიდრეკილნი იყვნენ გადაჭარბებული მორგებისკენ (Overfitting) — წარსული ხმაურის დამახსოვრება რეალური შაბლონების სწავლის ნაცვლად. სწორედ ამიტომ არის Feature Engineering გადამწყვეტი აგენტის სუფთა, მნიშვნელოვანი მონაცემებით კვებისთვის.

სცადეთ

ჩვენი "ადაპტური" სტრატეგიები საინფორმაციო დაფაზე იყენებენ RL პრინციპებს სტოპ-ლოსისა და ტეიკ-პროფიტის რეალურ დროში დასარეგულირებლად. გამოცადეთ ტრეიდინგის ევოლუცია.