量化交易中的条件风险价值：一种直接强化学习方法
摘要：具有风险调整绩效度量条件性风险价值的交易系统的凸形式化是我们的提议，在直接强化学习的概念下。由于凸性，该方法可以以"纯"在线方式揭示出一种有利的交易策略，在此方式下可以交互地学习和更新策略，而无需多个时期的训练和验证。我们在一个真实的金融市场上评估了我们提出的算法，该算法在三年时间内交易了美国最大的信托基金之一，SPDR。数值实验表明了该算法在检测中央市场制度切换方面的鲁棒性。此外，结果显示，该算法在满足投资者风险偏好的同时，在市场摩擦性成本为每次交易的0.15%的保守市场中提取了可盈利的策略的有效性。
作者：Ali Al-Ameer and Khaled Alshehri
论文ID：2109.14438
分类：Trading and Market Microstructure
分类简称：q-fin.TR
提交时间：2021-09-30