深度强化学习应对加密货币交易过拟合

文章预览

本文旨在解决加密货币交易中深度强化学习（DRL）的回测过拟合问题，并提出了一种实用方法来提高交易策略的可靠性和盈利能力。文章首先将回测过拟合的检测形式化为假设检验，然后训练DRL代理，估计过拟合的概率，并拒绝过拟合的代理，从而增加良好交易表现的可能性。在2022年5月1日至6月27日的测试期间（期间加密货币市场崩溃两次），研究表明，较少过拟合的深度强化学习代理比更多过拟合的代理、等权重策略和标准普尔DBM指数（市场基准）具有更高的回报，为实际市场部署提供了信心。 1. 引言 在加密货币市场中，设计盈利且可靠的交易策略至关重要。现有的深度强化学习方法在加密货币投资组合配置和交易执行方面显示出潜力，但面临三大挑战：市场的高波动性、历史市场数据的低信噪比以及市场的大幅波动。现有研究可能受到回测 ………………………………