面向数字货币量化交易的OAC模型研究

针对数字货币量化交易中存在的问题,即大量且复杂因子以及因子状态空间维度较高,导致交易模型制定策略的准确性和风险控制能力难以兼顾,提出了一种改进的OAC模型——OAC_LSTM_ATT。该模型采用了LSTM和多头注意力机制来优化OAC的网络结构,从而提高OAC对时间序列数据的建模能力和泛化能力。通过这种融合,智能体在量化交易环境中可以更加灵活和准确地做出交易决策,进一步提高交易策略的质量和效果。实验结果显示,在比特币市场中,累计收益率达到了16.36%,最大回撤率为9.08%,夏普比为0.014,波动率为13.09%。在以太坊市场中,对应的指标为16.30%、8.56%、0.014和13.42%。与PPO、LSTM_PPO和A2C等模型相比,OAC_LSTM_ATT在有效性和稳定性方面具有一定优势,为量化交易策略制定提供了有价值的参考。