[Blog de Nekopuni](http://nekopuni.holy.jp/2014/09/python%E5%BC%B7%E5%8C%96%E5%AD%A6%E7%BF%92%EF%BC % 8B% E7% 82% BA% E6% 9B% BF% E3% 83% 88% E3% 83% AC% E3% 83% BC% E3% 83% 89% E6% 88% A6% E7% 95% A5 Inspiré par% E3% 81% 9D% E3% 81% AE2 /), j'ai étudié le trading d'algorithmes en utilisant un apprentissage amélioré pour les loisirs et les avantages pratiques. Je ne suis pas totalement confiant dans ce que j'écris (en particulier le code). Mon utilisation principale est comme mémo pour moi-même, mais j'apprécierais qu'elle puisse être utilisée comme référence pour un matériel d'enquête médiocre.

Matériel de référence

Un système automatisé de trading FX utilisant l'apprentissage adaptatif de renforcement [Référence 1] ← Optimisation par RRL
Conception d'un système de trading FX utilisant Adaptive Reinforcement Learning [Référence 2] ← Résumé du papier Powerpo ci-dessus
Algorithm Trading using Q-Learning and Recurrent Reinforcement Learning [Référence 3] ← Optimal incluant la gestion des risques par portefeuille utilisant Q-learning Automatisation
Un cadre de Q-learning multi-agents pour l'optimisation des systèmes de négociation d'actions [Référence 4] ← Comprend les prévisions de cours des actions par NN (Utilisez Q-learning)
[Renforcer l'apprentissage](http://www.amazon.co.jp/gp/product/4627826613/ref=as_li_qf_sp_asin_tl?ie=UTF8&camp=247&creative=1211&creativeASIN=4627826613&linkCode=asrc2&tag=shimashimao = //ir-jp.amazon-adsystem.com/e/ir?t=shimashimao06-22&l=as2&o=9&a=4627826613 "width =" 1 "height =" 1 "border =" 0 "alt =" "style = "border: none! important; margin: 0px! important;" /> [Référence 5]
FONCTIONS DE PERFORMANCE ET APPRENTISSAGE DE RENFORCEMENT POUR LES SYSTÈMES DE NÉGOCIATION ET LES PORTEFEUILLES [Référence 6]
[Réseau d'apprentissage et de neurones (Série sur l'ingénierie de l'information et de la communication électroniques)](http://www.amazon.co.jp/gp/product/4627702914/ref=as_li_qf_sp_asin_tl?ie=UTF8&camp=247&creative=1211&creativeASIN=4627702914&linkCode=as2&linkCode=as2 -22) [Référence 7]

Aperçu de l'enquête

Signification de l'utilisation de l'apprentissage par renforcement (voir référence 4)

La différence entre l'apprentissage amélioré et l'apprentissage supervisé est la suivante.

Le renforcement de l'apprentissage vise à maximiser les récompenses attendues de l'environnement en optimisant les politiques
L'apprentissage supervisé vise à réduire les erreurs de prédiction pour les données des enseignants

Dans l'apprentissage supervisé, les conditions sont optimisées sans politique commerciale unifiée. D'un autre côté, un apprentissage intensifié permet de construire des algorithmes incluant l'environnement et les politiques, on considère donc que l'efficacité de l'utilisation de l'apprentissage amélioré est élevée.

Différence entre la fonction de valeur RL et Direct RL

■Value Function RL La valeur d'action est attribuée par état ou paire d'actions d'état. Sur la base de cette valeur, nous optimisons la politique (la politique d'action à entreprendre lorsqu'un certain état est obtenu). Cela maximisera les récompenses attendues à long terme. Le Q-learning est classé ici. Pour plus de détails sur le Q-learning, voir Reference 5 .

■Direct RL Nous ajusterons directement la fonction de récompense (nombre de valeurs) en fonction de l'expérience (valeur observée) obtenue à partir de l'environnement. Contrairement à Q-learning, Q-table n'est pas nécessaire, donc la quantité de calcul temporel / spatial est faible. Cependant, maximiser les récompenses attendues sera à court terme. L'apprentissage récurrent par renforcement (RRL) est catégorisé ici. Pour plus d'informations sur RRL [Référence 5](http://www.amazon.co.jp/gp/product/4627826613/ref=as_li_qf_sp_asin_tl?ie=UTF8&camp=247&creative=1211&creativeASIN=4627826613&linkCode=as2&tagao=sh img src = "http://ir-jp.amazon-adsystem.com/e/ir?t=shimashimao06-22&l=as2&o=9&a=4627826613" width = "1" height = "1" border = "0" alt Veuillez vous référer à = "" style = "border: none! Important; margin: 0px! Important;" />. (Cette fois, j'écris le code en utilisant ce RRL.)

RRL Financial Trading Framework

Agent: RRL-trader
État: l'état du marché tel que défini par les indicateurs techniques ou les rendements passés
Récompense: récompense obtenue avec des risques et des frais compris entre t et t + 1
Action: trading signal(buy/sell/short/long/neutral/hold)

Évaluation de l'agent

Utilisez le rapport de Sharpe différentiel (DSR). Utilisé lors de la mise à jour du poids.

Précautions pour le fonctionnement réel

Coupe de perte
Préférence pour le risque
Traitement en panne du système lorsqu'un comportement anormal est confirmé

Algorithme (voir référence 1)

[Détermination de la position au temps t (long ou court)]

F_t=sign(\sum_{i=0}^{M}w_{i,t}r_{t-i}+w_{M+1,t}F_{t-1}+v_t) F_t ∈ [-1,1]; (short=-1, long=1) w_t: weight vector v_t: threshold of the neural network $ r_t $: $ p_t --p_ {t-1} $ (retour en série chronologique)

La forme de la formule est la même qu'un simple réseau neuronal à une couche. En fait, la méthode du réseau de neurones est appliquée, et le seuil $ v_t $ est également inclus dans le vecteur de poids pour l'optimisation.

[Bénéfice au moment T]

P_t=\sum_{t=0}^{T}R_t R_t:=F_{t-1}r_t-δ|F_t-F_{t-1}| δ: coût de transaction

Il est supposé qu'une seule unité sera échangée à chaque transaction.

[Valeur d'évaluation optimisée]

■sharpe ratio \hat{S}(t):=\frac{A_t}{B_t} A_t=A_{t-1}+η(R_t-A_{t-1}), A_0=0 B_t=B_{t-1}+η(R_t^2-B_{t-1}), B_0=0 η: adaptation parameter

■Differential Sharpe Ratio(DSR) Une version améliorée de la moyenne mobile du ratio de sharpe pour l'apprentissage en ligne. DSR est plus léger dans le calcul et converge plus rapidement (il semble). Ueno $ \ hat {S} $ est développé par Taylor autour de η = 0 et le premier terme est acquis. D_t:=\frac{d\hat{S}}{dη}|_{η=0}

=\frac{B_{t-1}\Delta A_t-\frac{1}{2}A_{t-1}\Delta B_t}{(B_{t-1}-A_{t-1}^2)^\frac{3}{2}} \Delta A_t=R_t-A_{t-1} \Delta B_t=R_t^2-B_{t-1}

Considérez $ D_t $ comme une mesure de performance immédiate et mettez à jour le poids pour le maximiser.

[Mettre à jour le poids]

w_{i,t}=w_{i,t-1}+\rho \Delta w_{i,t} \Delta w_{i,t}=\frac{dD_t}{dw_i} 　　　\approx \frac{dD_t}{dR_t}{ \frac{dR_t}{dF_t}\frac{dF_t}{dw_{i,t}} + \frac{dR_t}{dF_{t-1}}\frac{dF_{t-1}}{dw_{i,t-1}}}

\frac{dF_t}{dw_{i,t}}\approx\frac{\partial F_t}{\partial w_{i,t}}+\frac{\partial F_t}{\partial F_{t-1}}\frac{dF_{t-1}}{dw_{i,t-1}}

\frac{dD_t}{dR_t}=\frac{B_{t-1}-A_{t-1}R_t}{(B_{t-1}-A_{t-1}^2)^{3/2}} \frac{dR_t}{dF_t}=-\delta \frac{dR_t}{dF_{t-1}}=r_t-\delta

[Coupe de perte, seuil de réglage du signal, jugement d'anomalie du système]

Il y a une déclaration selon laquelle il devrait être défini comme paramètre, mais il n'y a pas de description spécifique. Il ne semble pas y avoir d'autre choix que de lui attribuer une valeur empirique. ..

Code de référence

La fonction de signe est une fois calculée comme tanh et signalée selon que $ F_t $ est supérieur ou non à 0. Les fonctions telles que la réduction des pertes ne sont pas écrites. C'est un code très suspect, même si je le dis moi-même. S'il vous plaît voir pour référence.

`python`


# coding: utf-8

import os
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from math import tanh, copysign

class RRLAgentForFX:
    TRADING_COST = 0.003
    EPS = 1e-6
        
    def __init__(self,M,rho=0.01,eta=0.1,bias=1.0):
        np.random.seed(555)
        self.M = M # number of lags
        self.weights = np.zeros(self.M+3,dtype=np.float64)
        self.bias = bias # bias term
        self.rho = rho
        self.eta = eta
        self.price_diff = np.zeros(self.M+1) # r_t
        
        self.pre_price = None
        self.pre_signal = 0
        
        self.pre_A = 0.0
        self.pre_B = 0.0
        self.pre_gradient_F = 0.0
        
        # result store
        self.signal_store = []
        self.profit_store = []
        self.dsr_store = []
        self.sr_store = []
        self.cumulative_profit = 0.0
        
    def train_online(self, price):
        self.calculate_price_diff(price)
        signal, self.F_t_value = self.select_signal()
        print "signal",signal
        self.calculate_return(signal)
        self.update_parameters()
        self.pre_price = price
        self.pre_signal = signal
        
        # store result
        self.signal_store.append(signal)
                    
    def calculate_price_diff(self,price):
        r = price - self.pre_price if self.pre_price is not None else 0
        self.price_diff[:self.M] = self.price_diff[1:]
        self.price_diff[self.M] = r
        
    def calculate_return(self,signal):
        R_t = self.pre_signal*self.price_diff[-1]
        R_t -= self.TRADING_COST*abs(signal - self.pre_signal)
        self.return_t = R_t
        
        self.cumulative_profit += R_t
        self.profit_store.append(self.cumulative_profit)
            
    def select_signal(self):
        values_sum = (self.weights[:self.M+1]*self.price_diff).sum()
        values_sum += self.weights[-2]*self.pre_signal
        values_sum += self.bias*self.weights[-1]
        
        F_t_value = tanh(values_sum)
        return copysign(1, F_t_value ), F_t_value
                                            
    def update_parameters(self):
        # update weight
        self.weights += self.rho*self.calculate_gradient_weights()
        print "weight",self.weights

        # update moment R_t
        self.update_R_moment()

    def calculate_gradient_weights(self):
        """ differentiate between D_t and w_t """
        denominator = self.pre_B-self.pre_A**2
        if denominator!=0:
            diff_D_R = self.pre_B-self.pre_A*self.return_t
            diff_D_R /= (denominator)**1.5
        else:
            diff_D_R = 0
        
        gradient_F = self.calculate_gradient_F()
        print "gradient_F",gradient_F

        #diff_R_F = -self.TRADING_COST
        #diff_R_F_{t-1} = self.price_diff[-1] - self.TRADING_COST
        delta_weights = -self.TRADING_COST*gradient_F
        delta_weights += ( self.price_diff[-1] - self.TRADING_COST) \
                                                    *self.pre_gradient_F
        delta_weights *= diff_D_R
        self.pre_gradient_F = gradient_F
        return delta_weights
        
    def calculate_gradient_F(self):
        """ differentiate between F_t and w_t """
        diff_tnah = 1-self.F_t_value**2

        diff_F_w = diff_tnah*( np.r_[ self.price_diff, self.pre_signal, self.bias ] )
        diff_F_F = diff_tnah*self.weights[-2]

        return diff_F_w + diff_F_F*self.pre_gradient_F

    def update_R_moment(self):
        delta_A = self.return_t - self.pre_A
        delta_B = self.return_t**2 - self.pre_B
        A_t = self.pre_A + self.eta*delta_A # A_t. first moment of R_t.
        B_t = self.pre_B + self.eta*delta_B # B_t. second moment of R_t.
        self.sr_store.append(A_t/B_t)
        self.calculate_dsr(delta_A, delta_B)
        
        self.pre_A = A_t
        self.pre_B = B_t

    def calculate_dsr(self,delta_A,delta_B):
        dsr = self.pre_B*delta_A - 0.5*self.pre_A*delta_B
        dsr /= (self.pre_B-self.pre_A**2)**1.5
        self.dsr_store.append(dsr)

if __name__=='__main__':
    M = 8
    fx_agent = RRLAgentForFX(M,rho=0.01,eta=0.01,bias=0.25)
    
    ifname = os.getcwd()+'/input/quote.csv'
    data = pd.read_csv(ifname)
    train_data = data.ix[:3000,'USD']
    
    for price in train_data.values:
        fx_agent.train_online(price)

Expérience

J'ai téléchargé et utilisé le fichier csv des données de date et d'heure du taux de change (/ yen) à partir de la page de Mizuho Bank Historical Data. .. J'ai utilisé USD / Yen à partir du 1er avril 2002 et j'ai appris en utilisant 3000 données.

Résultat expérimental

Taux USD / yen

Bénéfice cumulé (lors de l'achat d'une seule unité par jour)

DSR

commentaire

Le résultat dépend des valeurs de ρ et η. C'est trop instable. .. Je souhaite mettre à jour le code dès que je remarque l'erreur. Si vous remarquez quelque chose d'étrange, il serait grandement apprécié que vous puissiez commenter.

[PYTHON] J'ai étudié l'algorithme d'apprentissage de renforcement du trading d'algorithmes