.png){kind=icon}
返回
Optimization of technical analysis-driven algorithmic trading using deep reinforcement learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-026-07478-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
技术分析指标对于算法交易中的趋势预测至关重要。然而，仅依赖单一技术指标策略无法在动态市场中获得持续盈利。为解决此局限性，我们开发了一种双智能体自适应交易框架，并将双重深度Q网络（DDQN）分别与三种经典技术指标（相对强弱指数（RSI）、威廉指标（WR）和商品通道指数（CCI））结合，构建了三个不同的基础模型（RSI-DDQN、WR-DDQN、CCI-DDQN）。该框架通过将指标值与预设中性阈值比较，将市场数据分类为不同市场强度。针对每个基础模型，开发了两个专业智能体分别处理强市场和弱市场数据。这些智能体通过与相应分类数据构建的环境交互来优化其交易策略。框架基于市场强度评估动态选择最合适智能体的决策作为交易信号。为进一步提高决策可靠性，引入了一个集成模型，通过硬投票机制结合三个基础模型的信号。Devon Energy（DVN）、Tesla（TSLA）、NVIDIA（NVDA）和Apple（AAPL）的历史数据实证结果表明该框架的有效性，RSI-DDQN、WR-DDQN、CCI-DDQN和集成模型的平均夏普比率分别为1.06、0.46、0.48和0.81。
Keyword:
Algorithmic trading
Deep reinforcement learning
Technical analysis
Stock trading
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
Soft imitation reinforcement learning with value decomposition for portfolio management基于价值分解的软模仿强化学习在投资组合管理中的应用
PREAI
分享收藏Automated market maker inventory management with deep reinforcement learning.png)
APPLIED INTELLIGENCE
OAAI
APPLIED INTELLIGENCEIF3.5
OAAI分享收藏A multi-layer and multi-ensemble stock trader using deep learning and deep reinforcement learning使用深度学习和深度强化学习的多层和多集成股票交易者APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
分享收藏An integrated approach of ensemble learning methods for stock index prediction using investor sentiments利用投资者情绪进行股票指数预测的集成学习方法
PREAI
分享收藏R-DDQN: Optimizing Algorithmic Trading Strategies Using a Reward Network in a Double DQNMathematics
MathematicsIF0
PREAI
分享收藏
查看更多内容