利用赫斯特指数和动量与均值回归策略的Q学习优化收益
摘要：通过使用Hurst指数对时间序列进行分类，我们尝试在有利时采用动量和均值回归交易策略，以实现平均较高的回报。最终我们发现，使用Hurst指数进行交易可以实现更高的回报，但风险也相应较高。最后，我们考虑了本研究的局限性，并提出了一种使用Q学习改进策略和独立算法实施的方法。
作者：Y. Chang, C. Lizardi, R. Shah
论文ID：2205.11122
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2022-05-24