Dynamic Datasets and Market Environments for Financial Reinforcement Learning

要約

タイトル：金融強化学習のための動的なデータセットと市場環境
要約：
– ファイナンシャルマーケットは動的なデータセットを持つため、深層強化学習にとって特に難しい環境である。
– この論文では、FinRL-Metaというデータ中心のオープンアクセスライブラリを紹介し、リアルワールドマーケットからジムスタイルのマーケット環境を作成することができる。
– データ処理パイプラインを利用して、数百のマーケット環境を提供している。
– 新しい取引戦略を設計するためのステップとして、ホームグロウンの例や人気のある研究論文を再現することもできる。
– ライブラリをクラウドプラットフォームにデプロイし、コミュニティ全体の競争を通じて相対的なパフォーマンスを評価できるようにしている。
– 急速に成長するコミュニティのために、カリキュラムに組み込まれた数十のJupyter/Pythonデモとドキュメンテーションウェブサイトも提供している。

要約(オリジナル)

The financial market is a particularly challenging playground for deep reinforcement learning due to its unique feature of dynamic datasets. Building high-quality market environments for training financial reinforcement learning (FinRL) agents is difficult due to major factors such as the low signal-to-noise ratio of financial data, survivorship bias of historical data, and model overfitting. In this paper, we present FinRL-Meta, a data-centric and openly accessible library that processes dynamic datasets from real-world markets into gym-style market environments and has been actively maintained by the AI4Finance community. First, following a DataOps paradigm, we provide hundreds of market environments through an automatic data curation pipeline. Second, we provide homegrown examples and reproduce popular research papers as stepping stones for users to design new trading strategies. We also deploy the library on cloud platforms so that users can visualize their own results and assess the relative performance via community-wise competitions. Third, we provide dozens of Jupyter/Python demos organized into a curriculum and a documentation website to serve the rapidly growing community. The open-source codes for the data curation pipeline are available at https://github.com/AI4Finance-Foundation/FinRL-Meta

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI