価値関数学習に基づいた効率的DeepHedging機構

抄録

ディープラーニングと価格時系列シミュレーションを使用してヘッジ行動を最適化するDeepHegdeは、 完全市場を前提とせず取引手数料などの不完全市場を考慮に入れることができるため、効率的なヘッジを可能にすることが出来る手法として注目を集めている。Deep Hedgingは通常の順伝播型ニューラルネットニューラルネットを用いた場合に訓練が難しくなることが知られているが、No-Transaction Band Network等の、学習を効率化するニューラルネット構造がいくつかの問題設定で知られている。 Deep Hedgingは強化学習の枠組みで捉えることも可能であり、actor-critcに基づいた強化学習アルゴリズムによりヘッジ戦略を学習する試みが行われているが、ニューラルネットワークの訓練が難しくなると知られている。 本研究では価値関数のモデル化に基づき、幅広い問題設定で効率的なニューラルネットの学習を可能とするアルゴリズムを提案し、通常の方策を出力するニューラルネットワークよりも効率的にヘッジ戦略を出力することを示す。