| Popis: |
Diese Arbeit beschreibt einen Deep Reinforcement Learning-Algorithmus für das Portfolio-Management mit mehreren Innovationen. Die Reward-Funktion ermöglicht es dem Anleger, die Rendite zu maximieren und gleichzeitig seine Risikopräferenzen in Bezug auf den maximalen Drawdown zu regulieren. Das Risiko wird durch Änderungen in der Portfoliostruktur und durch Erhöhung oder Verminderung der Hebelwirkung reguliert. Der Algorithmus besteht aus zwei Convolutional Neural Networks (CNNs) - eines ist für die Gewichtsverteilung verantwortlich, das andere für die Hebelwirkung zwischen 0 und 2. Experimente haben gezeigt, dass sich der Algorithmus auf wachsenden Märkten selbst einschränkt und größtenteils dem ermittelten Ziel-Drawdown entspricht. In rückläufigen Märkten verlässt der Algorithmus den Markt hingegen vollständig. This thesis describes a Deep Reinforcement Learning algorithm for portfolio management with multiple innovations. Its Reward function allows the investor to maximize returns while regulating her risk preferences in terms of Maximum Drawdown. The risk is regulated by changes in the portfolio structure and by increasing or decreasing leverage. The algorithm consists of two Convolutional Neural Networks (CNNs) - one is responsible for the weight distribution, the other for the leverage, ranging from 0 to 2. Experiments have shown that, in bullish markets, the algorithm restricts itself and mostly complies with the determined target drawdown. In bearish markets, on the other hand, the algorithm leaves the market entirely. |
