Як навчання з підкріпленням адаптується до волатильності ринку

Більшість торгових ботів статичні. Ви встановлюєте параметри, і вони виконують їх наосліп. Навчання з підкріпленням (RL) змінює правила гри, вводячи агента, який вчиться методом проб і помилок, оптимізуючи функцію винагороди (зазвичай прибуток і збиток).

Цикл RL у трейдингу

1. Агент: Торговий бот.
2. Середовище: Ринок (ціни, книга ордерів).
3. Дія: Купувати, Продавати або Тримати.
4. Винагорода: Прибуток (позитивна) або Збиток (негативна).

Агент постійно спостерігає за станом ринку, вчиняє дію та отримує зворотний зв'язок. За мільйони симуляцій (або "епох") він вивчає політику, яка максимізує довгострокові винагороди.

Адаптація до волатильності

Суперсила RL — це адаптація.

• Бичачий ринок: Агент дізнається, що стратегія "Купуй і тримай" приносить найбільшу винагороду.
• Нестабільний ринок: Агент розуміє, що утримання призводить до просадок, тому він перемикається на стиль повернення до середнього значення.

На відміну від сіткових ботів, які вимагають від вас визначення діапазону, агент RL може знаходити оптимальний діапазон динамічно.

Виклики RL

Не все так гладко. Моделі RL можуть бути схильні до перенавчання (overfitting) — запам'ятовування минулого шуму замість вивчення справжніх закономірностей. Ось чому інженерія ознак має вирішальне значення для подачі агенту чистих, значущих даних.

Спробуйте

Наші "Адаптивні" стратегії на Панелі керування використовують принципи RL для налаштування стоп-лоссів і тейк-профітів в реальному часі. Відчуйте еволюцію трейдингу.