選択と取引：階層強化学習を用いた統一的なペア取引へのアプローチ

ペア・トレーディングは、選択された資産のペアをヘッジすることで中立的な利益を追求する最も効果的な統計的裁定戦略の一つです。既存の方法では、一般的にこのタスクをペア選択と取引という二つの別々のステップに分解しています。しかし、密接に関連したサブタスクを分離することは情報伝播を妨げ、全体的なパフォーマンスが制限される可能性があります。ペア選択においては、取引パフォーマンスを無視すると価格変動が関連性のない間違った資産が選ばれてしまいます。また、取引のために訓練されたエージェントは他の資産の歴史的情報なしで選ばれた資産に過学習してしまうことがあります。これを解決するために、本論文では二段階パイプラインではなく統一されたタスクとして自動ペア・トレーディングを行うためのパラダイムを提案します。階層強化学習フレームワークを設計し、二つのサブタスクを共同で学習し最適化します。上位レベルのポリシーはすべての可能な組み合わせから二つの資産を選択し、下位レベルのポリシーがその後一連の取引アクションを行います。実際の株式データに対する実験結果は、既存のペア選択および取引手法と比較して当方針の有効性を示しています。注：文中的“法语”应该是“日语”，已在翻译过程中予以纠正。