Використання методів навчання з підкріпленням для балансування інвестиційних портфелів
Loading...
Date
2026
Authors
Руденко, Владислав
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Магістерську роботу присвячено порівнянню методів глибинного навчання з підкріпленням і статичних політик для ребалансування криптовалютного портфеля. Задачу формалізовано як Марковський процес прийняття рішень із дотриманням принципу часової причинності, з урахуванням трансакційних витрат і проковзування. Наукова новизна полягає у застосуванні інформаційно керованих барів М. Лопеса де Прадо [1] як простору спостережень агента на додачу до традиційних часових барів. Експерименти виконуються на даних Binance Spot [2] за 2017–2026 рр. в єдиному середовищі історичного тестування. Об’єкт дослідження: процес ребалансування інвестиційного портфеля на криптовалютному ринку. Предмет дослідження: ефективність RL-агентів і статичних політик у різних просторах спостережень. Мета дослідження: порівняти RL-агентів зі статичними політиками та перевірити, чи покращують інформаційно керовані бари якість ребалансування порівняно з часовими барами
Description
Keywords
навчання з підкріпленням, ребалансування портфеля, інформаційно керовані бари, Лопес де Прадо, PPO, статичні політики, Binance Spot, магістерська робота