[4N1-GS-10c] AI application

10:15 AM - 10:30 AM JST(1:15 AM - 1:30 AM UTC)

[4N1-GS-10c-06] Leverage Optimization in FX Trading Strategy Learning via Compound Reinforcement Learning

〇Takeshi Morikawa¹, Tohgoroh Matsui¹ (1. Chubu University)

Keywords:

RL,Compound RL,Finance,FX trading

近年，金融取引において強化学習の適用が進んでいる．本研究では，資産の複利成長を最大化する行動の獲得を目的とした複利型強化学習に着目する．この枠組みでは，投資比率（レバレッジ）の最適化が複利効果の最大化に不可欠である．しかし，従来の損失関数を用いた最適化手法では，過度なレバレッジを取る局面が存在し，将来の資産変動を考慮した動的な調整が困難であった．そこで本研究では，売買方向を学習するエージェントに加え，複利型強化学習を用いて投資比率を最適化するエージェントを導入する方法を提案する．外国為替市場におけるUSD/JPYおよびEUR/USDのデータを対象とし，2023年から2025年の期間で検証を行った．その結果，USD/JPYにおける最終資産倍率は従来手法の約0.01に対し提案手法は約1.1となり，EUR/USDにおいても，従来手法の約0.4に対し提案手法は約0.8と，いずれも提案手法が上回る結果となった．これらの結果は，従来手法では過度なレバレッジにより資産を大幅に失ったが，提案手法は過度なレバレッジを抑制できたことにより，大幅な資産減少を回避しつつ，収益性を追求する投資比率を学習できたことが示唆された．