一种基于深度增强学习算法的外汇交易方法及系统

摘要

本发明公开了一种基于深度增强学习算法的外汇交易方法及系统，包括步骤：1)对外汇交易场景建立增强学习Double‑DQN模型；2)构建深度神经网络模型并训练增强学习Double‑DQN模型，学习Q函数；3)加载训练好的模型参数，使用不同特征的训练数据集，重复步骤2)进行叠加训练和参数微调，根据各自需要调整模型更新的周期，定期在不同特征的训练数据集上叠加训练，不断使用新特征的数据集训练模型，使模型拥有更好的扩展性和鲁棒性。本发明使模型能够在不同的数据环境下做出有效的外汇交易动作，并利用不同的训练集对模型进行叠加训练，使模型能在复杂外汇数据流的环境下，更加健壮和鲁棒。