استفاده از الگوریتم یادگیری عمیق کیو جهت طراحی عاملی خودمختار برای معامله در بازار رمزارزها با تمرکز بر رفتار معامله گران

بازار رمزارزها، محیطی پیچیده، غیرقطعی و همراه با نوسان های زیادی است. ایجاد استراتژی معاملاتی در این بازار بسیار چالش برانگیز است. در این مقاله تاثیر رفتار معامله گران (معاملاتی که انجام می دهند) بر تغییر شرایط بازار بررسی شده است. عوامل بسیاری در تغییر شرایط بازار تاثیر دارند، اما درنهایت این تاثیرات، از طریق رفتار معامله گران به فعلیت می رسد. در این مقاله عاملی خودمختار جهت انجام معامله در بازار رمزارز طراحی شده است. عاملی که تنها با بررسی معاملات انجام شده تصمیم می گیرد. طراحی عامل مبتنی بر الگوریتم DDQN از یادگیری تقویتی است. برای آموزش عامل تمام معامله های انجام شده در صرافی رمزارز HitBTC در طول نزدیک به ۳ ماه برای ۳ جفت رمزارز، گردآوری شده است. نتایج پیاده سازی نشان می دهد مدل همگرا شده و در شرایط محیطی با ریسک بالا پایداری خوبی از خود نشان داده است. درنتیجه معامله های انجام شده منبع مهمی برای تصمیم گیری است. ترکیب این روش با روش های پیش بینی قیمت می تواند رویکردی جدید در طراحی عامل های معامله گر باشد.

کلیدواژه ها:

عامل معامله گر هوشمند ، رفتار معامله گران ، بازار رمزارزها ، یادگیری تقویتی عمیق ، الگوریتم DQN