北京工业大学|基于多尺度笔划的DDPG金融时间序列交易策略

【标题】DDPG based on multi-scale strokes for financial time series trading strategy

【作者团队】Jun-Cheng Chen, Cong-Xiao Chen, Li-Juan Duan

【发表日期】2022.7.5

【论文链接】https://arxiv.org/ftp/arxiv/papers/2207/2207.10071.pdf

【推荐理由】随着人工智能的发展，越来越多的金融从业者将深度强化学习应用于金融交易策略。然而，由于单尺度时间序列的噪声大、高度非平稳和非线性等特点，很难提取准确的特征，这使得很难获得高精度的特征。本文根据经典金融理论缠理论，在金融时间序列的多个时间尺度上提取多尺度特征矩阵，并提出了一种多尺度深度确定性策略梯度强化学习模型（MSSDDPG）的方法来搜索最优交易策略。本文在道琼斯指数、美国标准普尔500指数和中国沪深300指数、上证综合指数的数据集上进行了实验，并与海龟交易策略、深度Q学习（DQN）强化学习策略和深度确定性政策梯度（DDPG）强化学习策略相比较，评估了作者的方法的性能。结果表明，本文的方法在中国沪深300指数、上证综合指数中表现最好，在美国道琼斯、标准普尔500指数中表现突出。