Reinforcement Learning Pair Trading: A Dynamic Scaling Approach
创建于 更新于
摘要
本报告探讨了将强化学习（RL）应用于加密货币对冲交易，结合传统的统计套利方法实现动态投资比例调整。针对BTC-EUR和BTC-GBP的高频市场数据构建RL环境，通过调整奖励函数和观测空间，RL方法在利润率、风险控制及交易频次等方面显著优于传统静态规则方法。实验显示基于RL的动态规模对冲策略年化收益率最高达31.53%，表现优于传统的8.33% [page::0][page::1][page::4][page::7][page::9][page::12][page::14][page::15]
