Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Megerősítő tanulás kereskedési kvíz

Elmagyarázza az RL kereskedési környezeteket, a jutalom tervezését, az érvényesítést és a történelmi szimuláció korlátait a valós teljesítményhez.

Kapcsolódó útmutató utakMegerősítő tanulás a kereskedéshez
kérdés 1 -ból 8

In an RL trading environment, what is the reward function?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. In an RL trading environment, what is the reward function?
    • The signal that tells the agent how an action scored under the chosen objective
    • A calendar of exchange closures supplied to the agent
    • A promise that the learned policy will be profitable
    • The record identifying who owns the brokerage account
  2. Why include slippage and transaction costs in simulation?
    • They can be omitted because simulated orders always execute at the midpoint
    • They are already reflected fully in historical price changes
    • They do not affect returns when the policy is trained on past market data
    • They can reduce or alter the returns available from trading
  3. Which condition describes market nonstationarity?
    • Prices and trading conditions remain fixed over time
    • Változhatnak a piaci rezsimek, a résztvevők, a szabályok és a likviditás
    • A stratégia csak egy eszközzel kereskedik
    • Az ügynök nem kap megfigyeléseket a környezettől
  4. Hogyan kell megszervezni a képzési és értékelési időszakokat?
    • Véletlenszerűsítse az összes dátumot, hogy a jövőbeni megfigyelések befolyásolják az edzést
    • Válassza ki a hiperparamétereket az utolsó tesztidőszak segítségével
    • Használjon kronológiai vagy előrehaladó teszteket érintetlen időszakkal
    • Csak a képzési időszak bevallását jelentse
  5. Mit állapít meg a magas szimulált hozam?
    • Hogy a stratégia nyereséges lesz az élő piacokon
    • Csak azt, hogy a házirend a tesztelt környezet és feltételezések szerint működött
    • Hogy a politikát nem lehet túlzásba hozni
    • Hogy minden releváns költség benne volt
  6. Miért hasonlítsunk össze egy RL ügynököt egy egyszerű benchmarkhoz?
    • Hogy az RL modell kifinomultabbnak tűnjön
    • Annak biztosítása érdekében, hogy a benchmark mindig alulteljesít
    • Annak megállapítása, hogy a hozzáadott összetettség javítja-e a teljesítményt egy referenciához képest
    • Elkerülendő az ügynök céljának megadását
  7. Mit árulhat el a papírkereskedelem?
    • Minden jövőbeli piaci rendszer és végrehajtási feltétel
    • Szabályozási vagy működési kockázat hiánya
    • Garancia, hogy az élő hozamok megegyeznek a szimulációval
    • Megvalósítási, időzítési vagy végrehajtási különbségek homokozóban
  8. Mit javasol az útmutató, mielőtt tőkét kötne le egy RL stratégiába?
    • Független érvényesítés, ellenőrzések és áttekintés a szimulált pontszámon túl
    • Erős pontszám egyetlen történelmi tesztidőszakban
    • Magas hozam a magokon, csak ugyanabban a szimulátorban
    • Rövid papírkereskedés nyugodt piaci körülmények között