【KDD2024】MacroHFT：内存增强的高频交易情境感知强化学习

文章预览

来源：专知 本文 约1000字 ，建议阅读 5 分钟 我们提出了一种新颖的内存增强的高频交易情境感知强化学习方法。 MacroHFT：内存增强的高频交易情境感知强化学习 高频交易（HFT）在短时间尺度内执行算法交易，近年来已占据了加密货币市场的大部分份额。除了传统的量化交易方法外，强化学习（RL）由于其处理高维金融数据和解决复杂的序列决策问题的能力，成为HFT的另一种有吸引力的方法。例如，分层强化学习（HRL）通过训练一个路由器从代理池中选择一个子代理来执行当前交易，展示了其在秒级HFT中的出色表现。然而，现有的用于HFT的RL方法仍然存在一些缺陷：1）标准的基于RL的交易代理存在过拟合问题，无法根据金融背景进行有效的策略调整；2）由于市场条件的快速变化，由单个代理做出的投资决策通常是片面的和高度偏颇的，这可能导致 ………………………………