基于循环强化学习和LSTM神经网络的受智能体启发的交易
摘要：使用计算能力和深度神经网络的突破，许多我们过去严格研究过的各种技术未曾涉足的领域变得可行。本文将介绍实现类似机器人般的交易或指导的可能概念。为了实现与人类交易员类似的性能和通用性，我们的代理人学习自己创建成功的策略，以实现人类级别的长期回报。学习模型采用长短期记忆（LSTM）循环结构，使用强化学习或进化策略作为代理人。该系统的鲁棒性和可行性通过GBPUSD交易进行验证。
作者：David W. Lu
论文ID：1707.07338
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2017-07-25