In dieser Studie wurde ein auf einem erweiterten LSTM-Netzwerk basierender Händler namens DeepTraderX (DTX) entwickelt und in einer mehrstufigen Finanzsimulation namens Threaded Bristol Stock Exchange (TBSE) getestet. DTX wurde mit historischen Limit-Order-Buch-Daten trainiert, um eine Abbildung von Marktdaten auf Handelspreise zu erlernen.
In einer Reihe von Experimenten wurde die Leistung von DTX mit vier etablierten Handelstrategien (ZIC, ZIP, GDX, AA) verglichen. Die Ergebnisse zeigen, dass DTX in 6 von 8 Experimenten überlegen war und in einem Experiment gleichauf lag. DTX übertraf oder erreichte die Leistung von drei der vier getesteten Strategien, darunter als "übermenschlich" geltende Händler. Insbesondere erzielte DTX zwei Siege gegen GDX und zeigte eine Gleichstand-Sieg-Leistung gegen AA. Die Ergebnisse gegen Cliffs ZIP waren jedoch nuancierter, mit einem Sieg und einer Niederlage.
Diese Ergebnisse unterstreichen das Potenzial von auf tiefem Lernen basierenden Handelssystemen, die in der Lage sind, sich an volatile Marktbedingungen anzupassen und eine konsistente Profitabilität zu erzielen. Der Einsatz solcher Systeme könnte zu effizienteren und faireren Finanzmärkten beitragen.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Armand Mihai... ב- arxiv.org 03-29-2024
https://arxiv.org/pdf/2403.18831.pdfשאלות מעמיקות