实体
Robert Ślepaczuk
Robert Ślepaczuk
PulseAugur coverage of Robert Ślepaczuk — every cluster mentioning Robert Ślepaczuk across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
深度强化学习提升加密货币配对交易
研究人员开发了一种新颖的深度强化学习（DRL）策略，用于在波动的加密货币市场中进行配对交易。该系统采用分层的“过滤后排序”方法和“固定风险、自适应均值”执行模型，并结合了带有LSTM层的Proximal Policy Optimization（PPO）代理。在Binance USD-M期货数据上进行评估，DRL策略显著优于传统的启发式基线，在10%的水平上显示出统计学上显著的风险调整后表现。
-
机器学习模型在考虑交易成本后显示出比特币交易的潜力
一篇新的研究论文探讨了使用包括XGBoost、LSTM和iTransformer在内的机器学习模型来预测比特币收益。研究发现，虽然这些模型可以产生正的毛交易表现，但在考虑交易成本后，盈利能力会丧失。然而，一个有成本意识的执行过滤器，仅在预测幅度超过阈值时进行交易，在某些配置下恢复了盈利能力，其中一种XGBoost策略产生了超过65%的年化回报。
-
深度学习框架增强投资组合优化策略
研究人员正在开发用于投资组合优化的先进深度学习框架，旨在提高金融市场表现。一种方法使用神经网络直接优化夏普比率和CVaR等金融指标，实现了显著优于传统方法和标普500的表现。另一种方法采用具有Soft Actor-Critic的深度强化学习，在全球市场动态配置资产，在不确定时期显示出潜力。第三个框架整合了LSTMs、GATs和金融新闻的情感分析，创建每日配置，在一个较小的股票范围内跑赢基准。