Reinforcement Learning for financial trading: an application to the cryptocurrency market

Abstract

Le analogie del trading online di criptovalute online con il mercato finanziario non mancano: così come per gli investimenti in azioni, il trader spera di realizzare un profitto rivendendo o riacquistando i beni in suo possesso ad un prezzo più vantaggioso rispetto a quello dell'operazione precedente. Il Machine Learning e le tecniche ad esso correlate hanno compiuto progressi significativi negli ultimi anni. Molti ricercatori hanno basato i loro sforzi sull'applicazione del Machine Learning e delle tecnologie ad esso correlate ai mercati finanziari sin dall'inizio della ricerca sull'apprendimento automatico. L'obiettivo di questa tesi è capire se un metodo di analisi efficiente (reinforcement learning) per il trading in borsa può essere applicato con buoni risultati anche sul mercato delle criptovalute. Nel primo capitolo di questa tesi, presenteremo prima le criptovalute, la loro storia e la loro importanza ai giorni nostri, allacciandosi poi al fenomeno sempre più in espansione del trading online. Nel secondo capitolo affronteremo la teoria alla base del machine learning entrando nel dettaglio dell'apprendimento per rinforzo: analizzeremo le caratteristiche principali e inizieremo ad esporre le tecniche e la struttura degli algoritmi SARSA e Q-Learning. Entrambi gli algoritmi sono stati implementati in ambiente MATLAB ed esposti nel terzo capitolo presentando un'applicazione pratica dell'algoritmo ottenuto dalla teoria proposta. Nel quarto capitolo, i risultati saranno presentati e commentati in dettaglio. Infine, nel quinto ed ultimo capitolo riassumeremo le principali osservazioni fornendo conclusioni e spunti per ricerche future.