多层次的深度Q网络用于比特币交易策略

科学领域:

• * 金融技术 * 金融技术
• * 计算金融学
• * 机器学习 * 机器学习

背景情况:

• *比特币市场的快速增长为交易者提供了机会和挑战.
• *传统的技术分析和机器学习方法难以优化比特币交易策略.
• *现有的策略往往无法有效地平衡利,风险和交易频率.

研究的目的:

• * 为比特币市场开发先进的交易策略.
• *通过同时优化利,风险和交易活动来解决当前方法的局限性.
• * 利用深度强化学习来提高加密货币交易决策.

主要方法:

• * 提出了一个多层次的深度Q网络 (M-DQN) 模型.
• * 集成历史比特币价格数据与推特情绪分析.
• * 开发了一个创新的数据预处理管道和一个新的奖励功能M-DQN.

主要成果:

• * 实现了投资价值增长的29.93%.
• *达到了超过2.7的夏普比率,这表明风险调整后的回报优越.
• * 演示的表现明显超过了最先进的比特币交易策略.

结论:

• * 拟议的M-DQN模型有效优化比特币交易决策.
• * 集成数据预处理和新的奖励功能解决了关键的交易因素.
• * 这项研究在自动化加密货币交易和金融技术方面取得了重大进展.