株取引のための実用的な深層強化学習アプローチ

株取引戦略は投資会社において重要な役割を果たします。しかし、複雑で動的な株式市場において最適な戦略を得ることは困難です。本研究では、株取引戦略を最適化し、投資収益を最大化するための深層強化学習の可能性を探ります。30の株式を取引銘柄として選定し、その日々の価格をトレーニングおよび取引市場環境として使用します。深層強化学習エージェントをトレーニングし、適応的な取引戦略を獲得します。エージェントのパフォーマンスはダウ・ジョーンズ工業株平均と従来の最小分散ポートフォリオ配分戦略と比較して評価されます。提案された深層強化学習アプローチは、シャープレシオと累積リターンの両方において2つのベースラインを上回ることが示されています。