Dissertation/Thesis Abstract

A leveraged investment strategy using Deep Reinforcement Learning
by Agakishiev, Ilyas, Master's, Humboldt Universitaet zu Berlin (Germany), 2019, ; 27733237
Abstract (Summary)

Diese Arbeit beschreibt einen Deep Reinforcement Learning-Algorithmus für das Portfolio-Management mit mehreren Innovationen. Die Reward-Funktion ermöglicht es dem Anleger, die Rendite zu maximieren und gleichzeitig seine Risikopräferenzen in Bezug auf den maximalen Drawdown zu regulieren. Das Risiko wird durch Änderungen in der Portfoliostruktur und durch Erhöhung oder Verminderung der Hebelwirkung reguliert.

Der Algorithmus besteht aus zwei Convolutional Neural Networks (CNNs)—eines ist für die Gewichtsverteilung verantwortlich, das andere für die Hebelwirkung zwischen 0 und 2.

Experimente haben gezeigt, dass sich der Algorithmus auf wachsenden Märkten selbst einschränkt und größtenteils dem ermittelten Ziel-Drawdown entspricht. In rückläufigen Märkten verlässt der Algorithmus den Markt hingegen vollständig.

Indexing (document details)
Advisor: Härdle , Wolfgang Karl , Chen , Cathy Yi-Hsuan
Commitee:
School: Humboldt Universitaet zu Berlin (Germany)
School Location: Germany
Source: DAI-C 81/7(E), Dissertation Abstracts International
Source Type: DISSERTATION
Subjects:
Keywords:
Publication Number: 27733237
ISBN: 9781392783788
Copyright © 2020 ProQuest LLC. All rights reserved. Terms and Conditions Privacy Policy Cookie Policy
ProQuest