재무 신호 표현 및 거래를 위한 심층 직접 강화 학습

컴퓨터가 숙련된 트레이더를 이길 수 있도록 훈련할 수 있을까요? 본 논문에서는 실시간 재무 신호 표현 및 거래를 위한 순환 심층 신경망(NN)을 소개하여 이 도전에 대응하고자 합니다. 우리의 모델은 심층 학습(DL)과 강화 학습(RL)이라는 두 가지 생물학적 학습 개념에서 영감을 받았습니다. 이 프레임워크에서 DL 부분은 정보 특징 학습을 위해 동적 시장 조건을 자동으로 감지합니다. 그런 다음 RL 모듈은 심층 표현과 상호작용하며 알려지지 않은 환경에서 궁극적인 보상을 축적하기 위한 거래 결정을 내립니다. 학습 시스템은 심층 및 순환 구조를 모두 갖춘 복잡한 신경망으로 구현됩니다. 따라서 심층 훈련에서 기울기 소실 문제를 해결하기 위해 작업 인식 시간 경과 역전파 방법을 제안합니다. 신경 시스템의 강인성은 광범위한 테스트 조건에서 주식 및 상품 선물 시장 모두에서 검증되었습니다.