本研究では、金融ポートフォリオ最適化のための注意機構に基づく強化学習フレームワークであるMASAATを提案している。従来の価格データのみに基づくアプローチとは異なり、MASAATでは方向変化(DC)特徴を活用して、価格データの重要な変化を異なる粒度レベルで捉えることで、ノイズの影響を低減している。
具体的には、複数のトレーディングエージェントを設け、DCデータを用いて資産間の相関と時間的依存性を注意機構を用いて学習する。CSAモジュールでは資産間の相関を、TAモジュールでは時間的依存性を捉える。これらの情報を空間-時間融合モジュールで統合し、各エージェントが独自の視点から提案するポートフォリオを最終的に統合することで、バイアスの少ない適応的なポートフォリオを生成する。
提案手法は、DJIA、S&P 500、CSI 300の3つの金融市場データセットで評価され、従来手法と比較して優れた収益率、リスク、シャープレシオを示した。特に変動の激しい市場環境においても安定したパフォーマンスを発揮することが確認された。
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Zhenglong Li... pada arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.08935.pdfPertanyaan yang Lebih Dalam