Kako se okrepljeno učenje prilagaja volatilnosti trga

Večina trgovalnih botov je statičnih. Nastavite parametre in izvajajo slepo. Okrepljeno učenje (RL) spreminja igro z uvedbo agenta, ki se uči s poskusi in napakami ter optimizira funkcijo nagrajevanja (običajno dobiček in izgubo).

Zanka RL v trgovanju

1. Agent: Trgovalni bot.
2. Okolje: Trg (cene, knjiga naročil).
3. Akcija: Kupi, Prodaj ali Drži.
4. Nagrada: Dobiček (pozitivno) ali Izguba (negativno).

Agent nenehno opazuje stanje trga, sprejme akcijo in prejme povratne informacije. Skozi milijone simulacij (ali "epoh") se nauči politike, ki maksimizira dolgoročne nagrade.

Prilagajanje volatilnosti

Supermoč RL je prilagajanje.

• Bikovski trg: Agent se nauči, da "Kupi in Drži" prinaša najvišjo nagrado.
• Razburkan trg: Agent spozna, da držanje vodi do črpanja, zato preklopi na slog vračanja k povprečju.

Za razliko od Mrežnih botov, ki zahtevajo, da določite razpon, lahko agent RL dinamično najde optimalen razpon.

Izzivi RL

Ni vse gladko. Modeli RL so lahko nagnjeni k prekomernemu prilagajanju (overfitting)—pomnjenju preteklega šuma namesto učenja pravih vzorcev. Zato je Inženiring značilnosti ključen za hranjenje agenta s čistimi, pomembnimi podatki.

Preizkusite

Naše "Prilagodljive" strategije na Nadzorni plošči uporabljajo principe RL za prilagajanje stop-lossov in take-profitov v realnem času. Doživite evolucijo trgovanja.