[发明专利]一种基于深度增强学习算法的外汇交易方法及系统在审
| 申请号： | 201810030006.1 | 申请日： | 2018-01-12 |
| 公开（公告）号： | CN108305167A | 公开（公告）日： | 2018-07-20 |
| 发明（设计）人： | 陈琼;戚潇明;张智卓;钟灿琨;林恩禄 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06Q40/04 | 分类号： | G06Q40/04;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 冯炳辉 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度增强学习算法的外汇交易方法及系统，包括步骤：1)对外汇交易场景建立增强学习Double‑DQN模型；2)构建深度神经网络模型并训练增强学习Double‑DQN模型，学习Q函数；3)加载训练好的模型参数，使用不同特征的训练数据集，重复步骤2)进行叠加训练和参数微调，根据各自需要调整模型更新的周期，定期在不同特征的训练数据集上叠加训练，不断使用新特征的数据集训练模型，使模型拥有更好的扩展性和鲁棒性。本发明使模型能够在不同的数据环境下做出有效的外汇交易动作，并利用不同的训练集对模型进行叠加训练，使模型能在复杂外汇数据流的环境下，更加健壮和鲁棒。 | ||
| 搜索关键词： | 外汇交易 叠加 训练数据集 学习算法 神经网络模型 扩展性 数据流 参数微调 场景建立 模型参数 模型更新 数据环境 训练模型 鲁棒性 数据集 新特征 训练集 构建 加载 鲁棒 学习 重复 | ||
【主权项】：
1.一种基于深度增强学习算法的外汇交易方法，其特征在于，包括以下步骤：1)对外汇交易场景建立增强学习Double‑DQN模型；2)构建深度神经网络模型并训练增强学习Double‑DQN模型，学习Q函数；3)加载训练好的模型参数，使用不同特征的训练数据集，重复步骤2)进行叠加训练和参数微调，且根据各自需要调整模型更新的周期，定期在不同特征的训练数据集上叠加训练，不断使用新特征的数据集训练模型，使模型拥有更好的扩展性和鲁棒性；其中，不同特征的训练数据集包括总体上升趋势、总体下降趋势、总体先上升再下降、总体先下降在上升、总体相对平稳这些特征，也能够基于国际外汇政策的变动、各国家的经济发展的变化采集对应时间段的数据集。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810030006.1/，转载请声明来源钻瓜专利网。
