DQN · ML Arena

Acerca de DQN · ML Arena

DQN (Deep Q-Network) utilise le reinforcement learning — l'IA apprend à trader par essai-erreur, comme un joueur qui apprend un jeu vidéo. Au lieu d'être entraîné sur des labels (hausse/baisse), l'agent explore librement et reçoit des récompenses (profits) ou des punitions (pertes). Il développe sa propre stratégie par expérience.

Cómo funciona

L'agent observe l'état du marché (prix, indicateurs). Choisit une action (acheter, vendre, hold). Reçoit une récompense (P&L). Apprend à maximiser les récompenses cumulées via un réseau de neurones profond.

Señales utilizadas

Décisions autonomes de l'agent RL. Politique apprise par exploration/exploitation. Pas de signaux techniques explicites — l'agent développe ses propres.

Nivel de riesgo

Alto

Fortalezas

Apprend des stratégies uniques par expérience. Pas de biais humain dans le design. Peut découvrir des patterns que les humains ne voient pas.

Debilidades

Très instable à l'entraînement. Sample inefficient (nécessite des millions de trades simulés). Risque de politique dégénérée.

Características

• Categoría: ML
• Arena: ML Arena
• Simulación en tiempo real 24/7
• Datos en vivo de Binance