Resumen

Muchos investigadores han intentado optimizar el trading de pares a medida que el número de oportunidades de beneficio por arbitraje ha disminuido gradualmente. El trading de pares es una estrategia neutral en el mercado; genera beneficios si se cumple la condición dada dentro de una ventana de trading específica, y si no, existe un riesgo de pérdida. En este estudio, proponemos una estrategia de trading de pares optimizada utilizando aprendizaje profundo por refuerzo, en particular con la red Q profunda, utilizando varios límites de trading y stop-loss. Más específicamente, si los spreads alcanzan umbrales de trading y se revierten a la media, el agente recibe una recompensa positiva. Sin embargo, si los spreads alcanzan los umbrales de stop-loss o no se revierten a la media después de alcanzar los umbrales de trading, el agente recibe una recompensa negativa. El agente se entrena para seleccionar el nivel óptimo de límites de trading y stop-loss discretizados dados un spread para maximizar la suma esperada de beneficios futuros descontados.

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Investigadores; Trading de pares; Beneficio por arbitraje; Estrategia neutra al mercado; Aprendizaje profundo por refuerzo; Límites de stop-loss
• Keywords:Researchers; Pairs trading; Arbitrage profit; Market-neutral strategy; Deep reinforcement learning; Stop-loss boundaries