深層強化学習 Rainbow を用いたデイトレード戦略の獲得

カテゴリ: 研究会(論文単位)

論文No: IIC18036

グループ名: 【D】産業応用部門 産業計測制御研究会

発行日: 2018/12/15

タイトル(英語): Day Trading Strategies by means of Deep Reinforcement Learning Rainbow

著者名: 森 大典(大阪府立大学),森 直樹(大阪府立大学)

著者名(英語): Daisuke Mori(Osaka Prefecture University),Naoki Mori(Osaka Prefecture University)

キーワード: デイトレード|深層強化学習|Ｒａｉｎｂｏｗ|株式|Day Trading|Deep Reinforcement Learning|Rainbow|Stock

要約(日本語): 近年，株式市場の情報を計算機によって処理し，自動的に株式取引をするエージェントについて，多くの研究がなされてきた．筆者らは，実市場の状況を数秒刻みで再現可能で，株式取引戦略構築及びその活用を実現するデイトレードエージェントフレームワーク（Day Trade Agent Framework: DTAF）を提案している．また，このDTAFを用いた遺伝的プログラミング（GeneticProgramming: GP）やDeepQ-Network(DQN) によるデイトレードエージェントの獲得手法を提案してきた．しかしながら，多様な拡張手法が提案されている深層強化学習の中で，デイトレード戦略獲得に対するDQN以外の手法の適用は検討されていない．そこで本研究では，DQNに対して提案されている拡張手法を結合した手法であるRainbowについて説明する．また，深層強化学習で用いる報酬関数を3通り提案し，各関数が性能に与える影響と有用性を検証する．

要約(英語): Authors have proposed Day Trade Agent Framework (DTAF), it supports to reproduce real stock market virtually in a few seconds, and to build and utilize strategies of stock trading. Besides, the strategy of day trading with various machine learning on DTAF has been studied. In this paper, the authors introduced Rainbow, which is an extension method of Deep Reinforcement Learning, and proposed three types of reward setting each selected action. The effectiveness of the proposed rule setting is confirmed by computer simulations taking a real stock market problem as an example.

原稿種別: 日本語

PDFファイルサイズ: 1,080 Kバイト