The Evolution of Reinforcement Learning in Quantitative Finance

要約

強化学習 (RL) は過去 10 年間で大幅な進歩を遂げ、金融分野でのアプリケーションへの関心が高まっています。
この調査では、167 の出版物を批判的に評価し、金融における多様な RL アプリケーションとフレームワークを調査しています。
金融市場は、その複雑さ、マルチエージェントの性質、情報の非対称性、固有のランダム性によって特徴付けられ、RL にとって興味深いテストベッドとして機能します。
従来の金融は特定のソリューションを提供しますが、RL は、転移学習、メタ学習、マルチエージェント ソリューションなどの機械学習手法を組み込んだ、より動的なアプローチでこれらを前進させます。
この調査では、定量的財務の観点から主要な RL コンポーネントを分析します。
私たちは新たなテーマを明らかにし、将来の研究分野を提案し、既存の手法の長所と短所を批判します。

要約(オリジナル)

Reinforcement Learning (RL) has experienced significant advancement over the past decade, prompting a growing interest in applications within finance. This survey critically evaluates 167 publications, exploring diverse RL applications and frameworks in finance. Financial markets, marked by their complexity, multi-agent nature, information asymmetry, and inherent randomness, serve as an intriguing test-bed for RL. Traditional finance offers certain solutions, and RL advances these with a more dynamic approach, incorporating machine learning methods, including transfer learning, meta-learning, and multi-agent solutions. This survey dissects key RL components through the lens of Quantitative Finance. We uncover emerging themes, propose areas for future research, and critique the strengths and weaknesses of existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google