Ik maak een ai kwantitatieve trading bot

Dit project levert een op maat gemaakt AI-handelsysteem dat is gebouwd met TensorFlow, OpenAI Gymnasium, aangepaste RL en LSTM-gebaseerde recurrente architecturen, speciaal ontworpen voor het leren van financiële tijdreeksen onder alle ruisende en bevooroordeelde marktcondities, met nauwkeurige regime-detectie tijdens training.

De kern van dit werk is het verminderen van policy bias, het verbeteren van de richtingsnauwkeurigheid en het stabiliseren van het leren in omgevingen waar de meeste handelsagenten falen.

Belangrijke resultaten van deze aanpak zijn onder andere:

Het ontwerpen van bijna onbevooroordeelde PPO-agenten, zelfs wanneer ze worden getraind op sterk gekleurde marktdata

Het verminderen van gevoeligheid voor kortetermijnprijsruis dat er gewoonlijk toe leidt dat agenten kapitaal in de verkeerde richting vastzetten

Het bereiken van stabiel trainen zonder reward clipping of informatieverlies

Het omgaan met niet-stationaire marktdata met behulp van aangepaste PPO- en recurrente (LSTM-gebaseerde) policies.