基于强化学习算法的自适应配对交易模型
创建于 更新于
摘要
本报告提出了一种基于Sarsa强化学习算法的自适应配对交易模型，实现了协整配对交易模型参数的动态优化。该模型通过自适应调整评估时间窗口、交易时间窗口、开仓与平仓阈值参数，有效提升了交易策略的收益率和风险调整后表现（索提诺比率），并降低了最大回撤及交易次数，体现了更优的盈利能力和风险控制能力。模型在中国债券市场4组主要配对债券组合上的仿真测验中表现稳定优异，累计收益率显著超越传统固定参数交易模型，且收益差异通过统计显著性检验。该方法填补了强化学习在统计套利领域尤其配对交易中的应用空白，展示出强大的自适应学习和持续优化能力，为投资者提供了有效的套利与风险控制工具 [pidx::0][pidx::4][pidx::6][pidx::7][pidx::9][pidx::10]。
