Optimization of dynamic crypto portfolios via deep reinforcement learning against supervised learning under transaction costs
Cet article démontre qu'une approche d'apprentissage par renforcement profond utilisant PPO surpasse de manière significative les modèles d'apprentissage supervisé tels que LSTM, Random Forest et XGBoost pour optimiser un portefeuille de cryptomonnaies dynamique sous l'effet des coûts de transaction, en atteignant des rendements ajustés au risque et une neutralité de marché supérieurs en privilégiant l'efficacité de transaction plutôt que la précision directionnelle.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Le monde de la monnaie numérique opère sur une échelle de mouvement qui défie l'intuition financière traditionnelle. Contrairement aux marchés relativement stables des actions ou des obligations, le paysage des cryptomonnaies est défini par une volatilité extrême, où les prix peuvent fluctuer sauvagement en une seule journée, et où les règles régissant ces prix changent sans avertissement. Pendant des décennies, les investisseurs se sont appuyés sur des modèles mathématiques conçus pour équilibrer le risque et la récompense, mais ces outils classiques échouent souvent lorsqu'ils sont appliqués à des actifs qui ne se comportent pas comme des biens économiques normaux. Ils supposent que les modèles de marché se répètent et que les relations entre différents actifs restent constantes, des hypothèses qui s'effondrent dans l'environnement chaotique de la finance numérique. Pour naviguer dans cette turbulence, les chercheurs se sont tournés vers l'intelligence artificielle, espérant construire des systèmes capables d'apprendre du bruit plutôt que de chercher à prédire l'avenir avec une précision parfaite. Le défi central n'est pas seulement de trouver un échange rentable, mais de le faire sans perdre d'argent à cause des coûts cachés du trading lui-même, tels que les frais qui grignotent les profits chaque fois qu'un portefeuille est ajusté.
Dans une étude récente, une équipe de chercheurs issus d'universités du Maroc a abordé ce problème spécifique en testant une nouvelle approche pour gérer un portefeuille de dix cryptomonnaies majeures. Ils ont cherché à voir si un type d'intelligence artificielle connu sous le nom d'apprentissage par renforcement profond pouvait surpasser les méthodes d'apprentissage automatique établies qui sont la norme depuis des années. Les chercheurs ont créé un environnement numérique où un agent artificiel devait prendre des décisions quotidiennes sur la manière de répartir son argent entre dix pièces différentes, incluant le Bitcoin, l'Ethereum et d'autres, tout en conservant une partie dans un actif sûr, sans risque, similaire à l'argent liquide. Crucialement, chaque fois que l'agent décidait de déplacer de l'argent d'une pièce à une autre, il devait payer une petite commission, imitant le coût réel du trading. L'objectif était de voir quelle méthode pouvait accroître la valeur du portefeuille le plus possible tout en survivant aux krachs boursiers inévitables et en évitant le piège du sur-trading.
L'équipe a comparé leur nouvelle approche à trois modèles bien connus d'apprentissage supervisé, qui fonctionnent en essayant d'abord de prédire le prix futur d'un actif, puis en décidant quoi acheter sur la base de cette prédiction. Ces modèles traditionnels comprenaient des réseaux de mémoire à long terme et court terme (LSTM), qui sont doués pour se souvenir des schémas passés ; des forêts aléatoires (Random Forests), qui utilisent de nombreux arbres de décision pour trouver des réponses ; et XGBoost, un outil puissant pour repérer des relations complexes dans les données. Les chercheurs ont constaté que ces méthodes traditionnelles avaient beaucoup de mal lorsque les frais de transaction étaient introduits. Parce que ces modèles se concentrent sur la prédiction de la direction exacte d'un prix, même une infime erreur dans leur prédiction les poussait à trader trop fréquemment. Ce commerce incessant, d'achat et de vente, dicté par de légers calculs erronés, signifiait que les frais mangeaient rapidement tout profit potentiel, laissant les portefeuilles stagnants ou même dans le rouge. L'un des modèles traditionnels a même perdu de l'argent, ne parvenant pas à couvrir le coût des transactions qu'il effectuait.
En revanche, l'agent d'apprentissage par renforcement profond, qui a été entraîné à l'aide d'une méthode appelée Optimisation de la Politique Proximale (PPO), a adopté une approche fondamentalement différente. Au lieu d'essayer de deviner le prochain prix, cet agent a appris directement des conséquences de ses actions. Il était récompensé pour avoir gagné de l'argent, mais lourdement pénalisé pour avoir déplacé son argent inutilement. Cela a enseigné à l'agent une leçon vitale : il valait mieux rester stable que de trader, à moins que le gain attendu ne soit assez important pour justifier les frais. Lorsque le marché devenait dangereux, cet agent a appris à se retirer vers sa position de liquidités sûres, protégeant ainsi son capital des pires baisses. Lorsque le marché était calme, il restait investi pour capturer la croissance. Cette stratégie lui a permis de naviguer dans la période volatile de 2021 à 2024 avec une efficacité remarquable.
Les résultats de l'expérience ont été frappants. L'agent d'apprentissage par renforcement profond a réalisé un rendement annuel de 37,22 %, dépassant de loin les autres méthodes. Alors que les modèles traditionnels ont géré des rendements allant d'un modeste 6,75 % à un rendement négatif de 1,48 %, le nouvel agent a non seulement fait croître le portefeuille, mais a également géré le risque efficacement. Il a subi une perte maximale de 28,74 % lors des pires creux du marché, ce qui était moins sévère que les pertes subies par les autres stratégies. Plus important encore, l'agent s'est avéré neutre par rapport au marché, ce qui signifie que son succès ne dépendait pas de la hausse ou de la baisse globale du marché. Il a généré une valeur spécifique connue sous le nom d'alpha, qui représente la compétence de la stratégie elle-même, indépendamment de la tendance générale du marché. Les modèles traditionnels, en comparaison, étaient fortement liés à la direction du marché et ont échoué à générer cette valeur supplémentaire, détruisant souvent la richesse plutôt que de la créer.
Cette étude suggère que l'avenir de la gestion des actifs numériques volatils pourrait résider dans des systèmes qui comprennent le coût de l'action, et pas seulement la promesse de la récompense. En intégrant la réalité des frais de transaction directement dans le processus d'apprentissage, les chercheurs ont créé un agent qui se comporte davantage comme un investisseur humain prudent que comme une machine réactive. Il a appris que la patience et la discipline sont souvent plus rentables qu'une activité constante. Bien que l'étude ait été menée à l'aide de données historiques et de simulations, les conclusions offrent un argument convaincant pour passer de simples modèles de prédiction à des systèmes qui optimisent l'expérience de trading dans son ensemble, y compris la friction du marché lui-même. Le succès de cette approche souligne que dans un monde financier chaotique, la capacité de savoir quand ne pas trader est tout aussi précieuse que de savoir quand acheter.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.