领域自适应学习与可解释性：用于天然气交易的DRL
摘要：深度强化学习在金融和股票交易领域得到了广泛的研究。本文介绍了一种实践中的深度强化学习在天然气期货交易中的应用。所获得的夏普比率超过了趋势跟随和均值回归策略以及文献中报道的结果。此外，我们提出了一种简单但有效的集成学习方案，通过增强模型的稳定性和鲁棒性，降低交易频率和交易成本，从而显著提高了策略的性能。我们讨论了所得到的深度强化学习策略在模型可解释性、交易频率和风险度量方面的特点。
作者：Yuanrong Wang, Yinsen Miao, Alexander CY Wong, Nikita P Granger, Christian Michler
论文ID：2301.08359
分类：Trading and Market Microstructure
分类简称：q-fin.TR
提交时间：2023-08-03