O.B japan的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

強化學習應用於外匯交易之回顧與展望

為了解決O.B japan的問題，作者劉玉仁 這樣論述：

外匯市場擁有金融市場中最大的交易量，外匯與各類金融商品時間序列訊息特性相同，其都有著自身的趨勢、週期和不規則性。本研究主要試圖了解有哪些強化學習模型應用於外匯交易以及這些模型的效益或優勢；此外，亦試圖了解強化學習在未來外匯交易中應用的研究方向和潛力。對2001年起至2021年之間有關聯的期刊文章與學位論文做整理、篩選與過濾，在這些文獻綜述中，將41篇研究文本進一步整理加以聚類統計。所有研究的文本都有其自訂的基本假設，這些條件因子幾乎都是不同的，加上外匯交易品項較多、價格時段數據集應用也不盡相同，直接比較文本的結果和算法系統是不現實的。 針對本研究動機的回應整理出結論，所有文本中，有28

.1% 的研究應用了傳統強化學習的算法、有71.9%的研究應用了深度強化學習算法。強化學習應用在外匯交易的研究方向，圍繞在深度Q網絡(DQN)、進階的雙深度Q網絡(DDQN)，以及加入基線的策略梯度(PG)、近端策略優化算法(PPO)、演員-評論家(A2C)等算法和創新的進階策略。算法是針對解決高估問題、減低TD error與加快算法收斂等問題的研究；商業應用則針對高頻交易與量化交易研發具有較大的潛力。算法的交易應用是金融公司極重要的實用技術，特別是與營業收益相關的指標策略或算法模型是不會對外公開的，受限於此，針對本研究主題只能以學界的公開資料，無法將業界的應用同時作探討。回顧本研究中所有文獻

的算法技術成果，外匯交易的實務應用領域存在令人難以置信的機會，而且看起來方興未艾。