強化学習による高頻度取引戦略の構築

抄録

近年ゲームAI の領域の成功により強化学習の研究が活性化し, 金融市場においても将来価格の予測に留まらず取引戦略をシステマティックに開発するための枠組みとして強化学習のアプローチに注目が集まっている. 本研究では東京証券取引所に上場する銘柄のティックデータから高頻度取引戦略を構築するための強化学習アルゴリズムを提案する. ニューラルネットワークを関数近似器として利用した強化学習により日本株市場のトレーディング戦略の構築を行い, 戦略の収益性をバックテストで確認する.