نمایندگی ویژگی مبتنی بر عمل برای استراتژی های تجارت مهندسی معکوس

در این مقاله مشکل استراتژی های مهندسی معکوس برای تجارت در بازارهای مالی در نظر گرفته شده است. ما این مشکل را در زمینه مسابقات تجاری که در آن تیم های دانشجویی از Delta Hedging و سایر مکانیسم ها برای تلاش برای دستیابی به عملکرد معیار در مدیریت صندوق پرچین در یک بازار شبیه سازی شده استفاده می کنند ، بررسی می کنیم. فرضیه ما این است که می توان مدل های یادگیری ماشین را برای حل مشکل یادگیری کارآموزی آموزش داد. یعنی این مدل ها می توانند مانند شرکت کنندگان در مسابقات تجارت کنند. پس از بررسی رویکردهای تطبیق کلاسیک و کارهای اخیر در یادگیری تقویت معکوس ، ما یک روش یادگیری نظارت شده را پیشنهاد می کنیم که از پارتیشن بندی بازگشتی (RP) استفاده می کند. رویکرد RP پیشنهادی ما مبتنی بر یک نمایش ویژگی برای اقداماتی است که به گفته ما ، مطابق با ساختارهای اطلاعاتی است که به راحتی در دسترس شرکت کنندگان در مسابقات است. RP در پیش بینی نوع و مقیاس معاملات شرکت کننده و پیگیری عملکرد کلی نمونه کارها به دقت بالایی می رسد. نتایج ما نشان می دهد که تحقیقات بیشتر در مورد رویکرد پیشنهادی ما ضروری است و باید شامل گسترش آزمایش در مورد داده های بازارهای واقعی باشد.

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است.

گزینه های دسترسی

خرید مقاله منفرد

دسترسی فوری به مقاله کامل PDF.

قیمت شامل مالیات بر ارزش افزوده (فدراسیون روسیه)

یادداشت

کتابخانه RPART بسته آماری R.

منابع

• Abbeel P ، Ng A (2004) یادگیری کارآموزی از طریق یادگیری تقویت معکوس. در: بیست و یکمین کنفرانس بین المللی یادگیری ماشین
• Abbeel P ، Coates A ، Quigley M ، Ng A (2007) کاربرد یادگیری تقویت شده به پرواز هلیکوپتر هوازی. Adv Neural Inf Process Syst 19: 1 Google Scholar
• Adaptrade (2013) نرم افزار Adaptrade. http://www. adaptrade. com/
• Bellman R (1957) برنامه نویسی پویا ، جلد 1. انتشارات دانشگاه پرینستون ، پرینستون Google Scholar
• Bertsimas D ، Kogan L ، Lo A (2001) اوراق بهادار مشتق و بازارهای ناقص: رویکرد An-Arbitrage. Res 49: 372-397 ArticleGoogle Scholar
• CFTC ، SEC (2010) یافته های مربوط به وقایع بازار 6 مه 2010. گزارش فنی
• Chen S ، Yeh Ch (2002) در مورد خصوصیات ظهور بازارهای سهام مصنوعی: فرضیه بازار کارآمد و فرضیه انتظارات منطقی. J Econ Behav Organ 49: 217 239 ArticleCasgoogle Scholar
• Conlisk J (1996) چرا عقلانیت محدود. J Econ Lit ژوئن: 669-700 Google Scholar
• Dvijotham K ، Todorov E (2010) کنترل بهینه معکوس با MDP های خطی قابل حل. در: مجموعه مقالات کنفرانس بین المللی یادگیری ماشین ، citeseer
• Fung W ، Hsieh D (1997) ویژگی های تجربی استراتژی های معاملاتی پویا: مورد صندوق های پرچین. Rev Financial Stud 10: 275-302 ArticleGoogle Scholar
• Hasanhodzic J ، Lo A (2006) می تواند بازده صندوق های پرچین را تکرار کند؟: پرونده خطی. 16 اوت 2006
• Hayes R ، Paddrik M ، Todd A ، Yang S ، Beling P ، Scherer W (2012) مدل مبتنی بر Agent از E-Mini S& P 500 Future: برنامه برای سیاست گذاری. در: کنفرانس شبیه سازی زمستانی
• Holland J ، Miller J (1991) عوامل تطبیقی مصنوعی در تئوری اقتصادی. Am Econ Rev 81: 365-370 Google Scholar
• Kat H ، Palaro H (2005) چه کسی به صندوق های تامینی نیاز دارد؟یک رویکرد مبتنی بر کوپلا برای تکثیر بازده صندوق پرچین. در: مقاله کار مرکز تحقیقات سرمایه گذاری جایگزین (27) ، 23 نوامبر 2005
• Kirilenko A ، Kyle AS ، Samadi M ، Tuzun T (2011) The Flash Crash: تأثیر تجارت فرکانس بالا در یک بازار الکترونیکی. گزارش فنی ، کمیسیون تجارت آینده کالا. http://ss. com/abstract=1686004. doi: 10. 2139/ss. 1686004
• Kutner M ، Nachtsheim C ، Neter J ، Li W (2005) مدل های آماری خطی کاربردی ، جلد 5. McGraw-Hill/Irwin ، New York Google Scholar
• Lebaron B (2002) ساخت بازار سهام مصنوعی سانتافه. در: مقاله کار ، فارغ التحصیل دانشکده اقتصاد بین المللی و دارایی ، براندیس ، صص 1117 1147
• Maslov S (2002) مدل ساده از یک بازار محدود محور. Physica A Stat Mech Appl 278: 571-578 ArticleGoogle Scholar
• Mike S ، Farmer J (2008) یک مدل رفتاری تجربی نقدینگی و نوسانات. J Econ Dyn Control 32: 200-234 ArticleGoogle Scholar
• موریس S ، شین H (2008) مقررات مالی در یک زمینه سیستم. در: مقالات بروکینگ در مورد فعالیت اقتصادی ، صص 229-274
• Neu G ، Szepesvári C (2012) یادگیری کارآموزی با استفاده از روشهای یادگیری معکوس و روشهای شیب. Arxiv: 12065264
• Ng A ، Russel S (2000) الگوریتم های یادگیری تقویت معکوس. در: کنفرانس بین المللی یادگیری ماشین
• Paddrik M ، Hayes R ، Todd A ، Yang S ، Beling P ، Scherer W (2012) یک مدل مبتنی بر عامل از E-Mini S& P 500 و Flash Crash. در: اطلاعات محاسباتی برای مهندسی مالی و اقتصاد
• Qiao Q ، Beling P (2011) یادگیری تقویت معکوس با فرآیند گاوسی. در: کنفرانس کنترل آمریکا ، صص 113-118
• Qiao Q ، Beling P (2013) شناخت عوامل از مشاهده رفتار پی در پی آنها. در: کنفرانس اروپا 2013 در مورد یادگیری ماشین و اصول و شیوه های کشف دانش در پایگاه داده ها (ECML-PKDD 2013)
• Sharpe W (1992) تخصیص دارایی: سبک مدیریت و اندازه گیری عملکرد. J Portfolio Manag 18: 7-19 ArticleGoogle Scholar
• Shiller R (1999) رفتار انسان و کارآیی سیستم مالی. در: کتابچه راهنمای اقتصاد کلان. Elsevier ، Amsterdam ، صص 1305-1340
• Simon H (1959) نظریه های تصمیم گیری در اقتصاد و علوم رفتاری. Am Econ Rev 49: 253 283 Google Scholar
• Syed U ، Schapire R (2008) یک رویکرد نظری بازی برای یادگیری کارآموزی. Adv Neural Inf Process Syst 20: 1-8 Google Scholar
• Theeau T ، Atkinson E (1997) مقدمه ای برای پارتیشن بندی بازگشتی با استفاده از روال RPART. گزارش فنی 61 ، بخش زیست شناسی ، کلینیک مایو ، روچستر
• Yang S ، Paddrik M ، Hayes R ، Todd A ، Beling P ، Scherer W (2012a) یادگیری مبتنی بر رفتار در شناسایی استراتژی های تجارت فرکانس بالا. در: اطلاعات محاسباتی برای مهندسی مالی و اقتصاد
• Yang S ، Qiao Q ، Beling P ، Scherer W ، Kirilenko A (2012b) شناسایی استراتژی تجارت مبتنی بر فرآیند گاوسی. گزارش فنی ، مهندسی سیستم و اطلاعات ، دانشگاه ویرجینیا. http://ss. com/abstract=2051138. doi: 10. 2139/ss. 2051138
• Ziebart B ، Maas A ، Bagnell J ، Dey A (2008) حداکثر یادگیری تقویت کننده معکوس آنتروپی. در: مجموعه مقالات AAAI ، صص 1433-1438

تصدیق

این کار بدون همکاری محققان اختصاصی امکان پذیر نبود. ما دوست داریم از استفانو گرازیولی بخاطر ارائه سیستم عامل های معاملاتی و داده هایی که این تحقیق را امکان پذیر کرده است تشکر کنیم. علاوه بر این ، ما دوست داریم از مارک پاددریک ، اندرو تاد و مت بورکت بخاطر ارائه بینش خود در مشکلات دشوار تشکر کنیم.

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. گروه سیستم و مهندسی اطلاعات ، دانشگاه ویرجینیا ، شارلوتزویل ، VA ، 22903 ، ایالات متحده روی L. هایز ، پیتر A. بلنگ و ویلیام تی. شتر

1. روی L. هیز