{"id":1769,"date":"2022-08-01T10:24:44","date_gmt":"2022-08-01T08:24:44","guid":{"rendered":"https:\/\/www.analyticsarts.it\/?p=1769"},"modified":"2025-11-25T16:45:30","modified_gmt":"2025-11-25T15:45:30","slug":"il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute","status":"publish","type":"post","link":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/","title":{"rendered":"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute"},"content":{"rendered":"
[vc_row][vc_column][vc_column_text css=”.vc_custom_1705482115806{margin-bottom: 0px !important;}”]\n

\"\"<\/p>\n

Autore: Nevro Cerasani<\/a>
\nDate: 01-08-2022<\/p>\n

 <\/p>\n

Negli ultimi anni il volume delle attivit\u00e0 di trading svolte per via telematica \u00e8 notevolmente aumentato. Secondo uno studio recente, nel 2019 circa il 92% del trading nel mercato Forex \u00e8 stato eseguito da algoritmi e si prevede che crescer\u00e0 a un CAGR (Compound Annual Growth Rate) dell’11,23% dal 2021 al 2026.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

Lo scopo di questo studio \u00e8 sviluppare un sistema di trading algoritmico basato sull’apprendimento per rinforzo profondo e testarlo rispetto ad alcune strategie di trading gi\u00e0 note. <\/span><\/p>\n

L’apprendimento per rinforzo \u00e8 definito come “il problema affrontato da un agente che apprende il comportamento attraverso interazioni per tentativi ed errori con un ambiente dinamico”. Al centro di un modello di apprendimento per rinforzo c’\u00e8 l’interazione di due componenti: <\/span><\/p>\n

– Agente: colui che sviluppa la policy ottimale, ovvero l’insieme di azioni ottimali da intraprendere in una particolare situazione al fine di massimizzare una funzione di ricompensa definita dall’utente; <\/span><\/p>\n

– Ambiente: il \u201cmondo\u201d dell’agente, dove avviene il processo di apprendimento. Quando l’agente compie un’azione, l’ambiente restituisce un nuovo stato e l’agente si sposta in esso: questo processo continua fino alla fine dei cosiddetti episodi. <\/span><\/p>\n

Quando si parla di policy ci si riferisce al \u201cmodo di comportarsi dell\u2019agente in un dato momento\u201d. La policy ottimale \u00e8 quella che massimizza la funzione di ricompensa, ovvero una misura definita dall’utente che rappresenta, in un certo senso, l’obiettivo del problema di apprendimento per rinforzo. Ad ogni fase del processo di apprendimento, l’agente \u201cfornisce\u201d un segnale di ricompensa rappresentato dalla frazione della ricompensa totale guadagnata\/persa in quella fase; alla fine di tutti gli step componenti un episodio, tutti questi segnali di ricompensa vengono sommati e il risultato sar\u00e0 la ricompensa totale. <\/span><\/p>\n

Quando si ha a che fare con stati discreti (come in una partita a scacchi con un insieme finito di mosse) l’agente apprende (sviluppa la politica ottimale) utilizzando una procedura tabulare chiamata Q-Learning, che cosiste fondamentalmente nell’utilizzare aggiornamenti iterativi basati sull’equazione di Bellman e memorizzare i risultati nella cosiddetta Q-Table. Al contrario, gli stati continui (come quando si tratta di serie temporali finanziarie in cui il prezzo successivo pu\u00f2 essere qualsiasi numero positivo) implicano un numero infinito di valori che rende impossibile tabularli. Pertanto, adottiamo una soluzione chiamata Deep Q Learning, che, in parole povere, consiste nello stimare il valore delle azioni disponibili per un dato stato utilizzando una rete neurale.<\/span><\/p>\n

 <\/p>\n

\"\"<\/p>\n

Le strategie di trading che ho preso come benchmark per verificare come si comporta il modello sono:<\/p>\n

– Buy & Hold: consiste semplicemente nel comprare all’inizio del periodo e vendere alla fine;<\/p>\n

– Moving Average Crossover: per questa strategia, calcoleremo due medie mobili: la MA di breve termine (finestra pi\u00f9 corta) e la MA di lungo termine (finestra pi\u00f9 ampia). La strategia consiste nell’acquistare quando la MA a breve termine incrocia al rialzo la MA a lungo termine, e vendere nella situazione opposta (la MA a breve termine incrocia al ribasso la MA a lungo termine).<\/p>\n

Per eseguire gli esperimenti \u00e8 stata utilizzata la seguente configurazione:<\/p>\n

– Linguaggio di programmazione: Python;<\/p>\n

– L’agente di Deep Reinforcement Learning \u00e8 stato addestrato per 100 episodi utilizzando i prezzi orari di tre criptovalute (BTC, ETH, XRP) nell’intervallo di tempo dal 30\/10\/2019 al 30\/10\/2020;<\/p>\n

– Per tutte e tre le strategie il capitale iniziale era di \u20ac 1.000.000, diviso per 3 (numero di asset), per finire con \u20ac 333.333 per ogni criptovaluta. Questo \u00e8 stato fatto per evitare una situazione in cui non ci sarebbero pi\u00f9 soldi per eseguire la strategia perch\u00e9 abbiamo gi\u00e0 investito tutto;<\/p>\n

– Abbiamo ipotizzato zero commissioni;<\/p>\n

– Per analizzare come si comportano i diversi modelli nelle diverse situazioni, sono stati testati in quattro diversi scenari:<\/p>\n

– Buono: un bimestre in cui i prezzi salgono prevalentemente, dal 30\/11\/2020 al 31\/01\/2021; – Male: un bimestre in cui i prezzi scendono prevalentemente, dal 30\/11\/2021 al 31\/01\/2022; – Stazionario: un bimestre in cui i prezzi salgono e scendono, dal 31\/05\/2021 al 31\/07\/2021; – Generale: un anno in cui i prezzi salgono e scendono, simile a quello stazionario ma pi\u00f9 ampio (e quindi pi\u00f9 rappresentativo della realt\u00e0), dal 30\/10\/2020 al 30\/10\/2021. I risultati ottenuti in questo scenario non sono confrontabili con gli altri a causa dei diversi timeframe, tuttavia ho deciso di mostrarli gli stessi per mostrare il comportamento della strategia nel lungo periodo.<\/p>\n

Sono stati ottenuti i seguenti risultati:<\/p>\n

\"\"<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

I risultati ottenuti mostrano che i risultati sono tutti pi\u00f9 o meno in linea, ma per semplicit\u00e0 le commissioni non sono state incluse nella simulazione, la strategia buy and hold non \u00e8 molto informativa in quanto sostanzialmente segue semplicemente il mercato senza poter realizzare un profitto o ridurre le perdite durante i periodi difficili e il nostro modello sembra essere il pi\u00f9 avverso al rischio, poich\u00e9 durante i periodi buoni ottiene un profitto inferiore, ma durante i periodi difficili \u00e8 anche in grado di contenere le perdite. Inoltre, \u00e8 l’unico modello in grado di realizzare un profitto nello scenario stazionario! Come ho accennato, per semplicit\u00e0 le commissioni non sono coinvolte nella simulazione, ma in realt\u00e0 esistono e sono dell’ordine dello 0,5% per operazione. Normalmente sarebbe un importo insignificante, ma se osserviamo il grafico a sinistra possiamo notare l’alto numero di operazioni eseguite quando si utilizza la strategia di crossover della media mobile rispetto alle altre, il che significa che le commissioni potrebbero erodere il profitto o peggiorare ulteriormente le perdite in modo significativo. Sulla destra, invece, una rappresentazione visiva dei rendimenti raggiunti da ciascuna strategia in ogni scenario.<\/p>\n

Quando si lavora con l’AI, sono coinvolti un numero infinito di parametri e la modifica di uno di essi potrebbe comportare risultati completamente diversi. Questa \u00e8 un’arma a doppio taglio perch\u00e9 se da un lato mostra l’eccessiva variabilit\u00e0 di questi modelli, dall’altro potrebbe esserci un’alta probabilit\u00e0 che se continuassimo a provare e a modificare i parametri, ad un certo punto potrebbe venir fuori un setup in grado di superare tutti gli altri modelli e agenti. Detto questo, oltre alla messa a punto dei parametri, di seguito alcuni dei miglioramenti pi\u00f9 significativi che possono aiutare a migliorare il modello:<\/p>\n

– Costruire un modello di apprendimento automatico che prevede il prezzo di un asset per il passaggio temporale successivo e quindi aggiungere tale previsione allo stato, in modo che l’agente possa tenerne conto quando agisce;<\/p>\n

– Sostituisci i prezzi con i rendimenti, poich\u00e9 questi sono generalmente stazionari e le reti neurali funzionano meglio con questo tipo di dati in alcune situazioni;<\/p>\n

– Integrazione di una soluzione di elaborazione del linguaggio naturale che analizzi il sentiment su un determinato asset eseguendo una cosiddetta sentiment analysis sui social network (Twitter \u00e8 il pi\u00f9 utilizzato per questo tipo di attivit\u00e0). Quindi, aggiungere il risultato di questa analisi (generalmente un numero compreso tra 0 e 1) nello stato in modo che l’agente possa anche tenere conto di come si sentono gli investitori riguardo all’investimento in un determinato asset in un momento specifico. Tuttavia, questo potrebbe porre alcuni problemi, come la difficolt\u00e0 di raccogliere dati (tweet in questo caso) di 3 anni prima per il training del modello.[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column][mk_padding_divider][\/vc_column][\/vc_row]\n<\/div>","protected":false},"excerpt":{"rendered":"

<\/p>\n

Nevro Cerasani<\/p>\n

Negli ultimi anni il volume delle attivit\u00e0 di trading svolte per via telematica \u00e8 notevolmente aumentato. Secondo uno studio recente, nel 2019 circa il 92% del trading nel mercato Forex \u00e8 stato eseguito da algoritmi e si prevede che crescer\u00e0 a un CAGR (Compound Annual Growth Rate) dell’11,23% dal 2021 al 2026.<\/p>\n","protected":false},"author":1,"featured_media":1779,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[129],"tags":[],"class_list":["post-1769","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-science-2"],"yoast_head":"\nIl Deep Reinforcement Learning nel trading algoritmico di criptovalute - Analytics Arts<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute - Analytics Arts\" \/>\n<meta property=\"og:description\" content=\"Nevro Cerasani Negli ultimi anni il volume delle attivit\u00e0 di trading svolte per via telematica \u00e8 notevolmente aumentato. Secondo uno studio recente, nel 2019 circa il 92% del trading nel mercato Forex \u00e8 stato eseguito da algoritmi e si prevede che crescer\u00e0 a un CAGR (Compound Annual Growth Rate) dell'11,23% dal 2021 al 2026.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/\" \/>\n<meta property=\"og:site_name\" content=\"Analytics Arts\" \/>\n<meta property=\"article:published_time\" content=\"2022-08-01T08:24:44+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-25T15:45:30+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"908\" \/>\n\t<meta property=\"og:image:height\" content=\"682\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"analyticsarts\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"analyticsarts\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/\"},\"author\":{\"name\":\"analyticsarts\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\"},\"headline\":\"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute\",\"datePublished\":\"2022-08-01T08:24:44+00:00\",\"dateModified\":\"2025-11-25T15:45:30+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/\"},\"wordCount\":1208,\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp\",\"articleSection\":[\"Data Science\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/\",\"name\":\"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute - Analytics Arts\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp\",\"datePublished\":\"2022-08-01T08:24:44+00:00\",\"dateModified\":\"2025-11-25T15:45:30+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp\",\"contentUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp\",\"width\":908,\"height\":682},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\",\"name\":\"Analytics Arts\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\",\"name\":\"analyticsarts\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"caption\":\"analyticsarts\"},\"sameAs\":[\"https:\\\/\\\/www.analyticsarts.it\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute - Analytics Arts","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/","og_locale":"it_IT","og_type":"article","og_title":"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute - Analytics Arts","og_description":"Nevro Cerasani Negli ultimi anni il volume delle attivit\u00e0 di trading svolte per via telematica \u00e8 notevolmente aumentato. Secondo uno studio recente, nel 2019 circa il 92% del trading nel mercato Forex \u00e8 stato eseguito da algoritmi e si prevede che crescer\u00e0 a un CAGR (Compound Annual Growth Rate) dell'11,23% dal 2021 al 2026.","og_url":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/","og_site_name":"Analytics Arts","article_published_time":"2022-08-01T08:24:44+00:00","article_modified_time":"2025-11-25T15:45:30+00:00","og_image":[{"width":908,"height":682,"url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp","type":"image\/webp"}],"author":"analyticsarts","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"analyticsarts","Tempo di lettura stimato":"7 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/#article","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/"},"author":{"name":"analyticsarts","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407"},"headline":"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute","datePublished":"2022-08-01T08:24:44+00:00","dateModified":"2025-11-25T15:45:30+00:00","mainEntityOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/"},"wordCount":1208,"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp","articleSection":["Data Science"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/","url":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/","name":"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute - Analytics Arts","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/#primaryimage"},"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp","datePublished":"2022-08-01T08:24:44+00:00","dateModified":"2025-11-25T15:45:30+00:00","author":{"@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407"},"breadcrumb":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/#primaryimage","url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp","contentUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/11062b_34315673bc994087bdee57abebcfcce5mv2.webp","width":908,"height":682},{"@type":"BreadcrumbList","@id":"https:\/\/www.analyticsarts.it\/it\/post\/il-deep-reinforcement-learning-nel-trading-algoritmico-di-criptovalute\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.analyticsarts.it\/it\/"},{"@type":"ListItem","position":2,"name":"Il Deep Reinforcement Learning nel trading algoritmico di criptovalute"}]},{"@type":"WebSite","@id":"https:\/\/www.analyticsarts.it\/it\/#website","url":"https:\/\/www.analyticsarts.it\/it\/","name":"Analytics Arts","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.analyticsarts.it\/it\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407","name":"analyticsarts","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","caption":"analyticsarts"},"sameAs":["https:\/\/www.analyticsarts.it"]}]}},"_links":{"self":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/1769","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/comments?post=1769"}],"version-history":[{"count":6,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/1769\/revisions"}],"predecessor-version":[{"id":5850,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/1769\/revisions\/5850"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media\/1779"}],"wp:attachment":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media?parent=1769"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/categories?post=1769"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/tags?post=1769"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}