【标题】Select and Trade: Towards Unified Pair Trading with Hierarchical Reinforcement Learning

【作者团队】Weiguang Han Boyi Zhang Min Peng  Qianqian Xie

【发表日期】25 January, 2023;

【论文链接】https://arxiv.org/pdf/2301.10724.pdf

【推荐理由】配对交易是最有效的统计套利策略之一，通过对冲一对选定资产来寻求中性利润。现有的方法通常将任务分解为两个单独的步骤：配对选择和交易。然而，两个密切相关的子任务之间的分离会阻碍信息传播，并导致总体性能受限。对于配对选择，忽略交易表现会导致错误的资产被选择，而价格变动不相关，而接受过交易培训的代理人可能会在没有任何其他资产历史信息的情况下过度投资所选资产。为了解决这一问题，在本文中提出了一种自动配对交易的模式，将其作为一个统一的任务，而不是两步流水线。论文设计了一个分层强化学习框架，以联合学习和优化两个子任务。高级策略将从所有可能的组合中选择两种资产，然后低级策略将执行一系列交易操作。对真实世界股票数据的实验结果表明，与现有的对选择和交易方法相比，该方法在对交易中的有效性。