2025.03.05 szakdolgozat meeting

• $H=0.1$ -re nagyon szepen mukodik barmelyik heursiztika (penality)

• Mar $H=0.3$ -tol kezd kevesbe mukodni

  • $\lambda =0.01$ -re mukodik penality-vel, viszont $\lambda =0.03$ -ra mar nem

• A kulonbozo penality-ket osszevetve nem tapasztalhato nagy kulonbseg $H=0.1$ -re

  • todo: legyen tesztelve kulonbozo $c$ parameterekre ugyanez a kiserlet (jelenleg $c=0.01$)

• Ha csak azt szeretnenk, hogy a likvidalast tanulja meg az sem mukodik nagyon :(

  • Env:
    • Veletlen share count-al kezd $-10$ es $10$ kozott (egesz szam)
    • Az arfolyam konstans szm $-10$ es $10$ kozott (egesz szam)
    • A cel az lenne, hogy kezd valamennyi veletlen reszvennyel es csak azt tanulja meg hogy hogyan kell eladni oket

$$-\sum _{u=0}^T{\varphi }_u{S}_u+S_{T+1}\sum _{u=0}^T{\varphi }_u-\sum _{u=0}^T\lambda {\left|{\varphi }_u\right|}^{\alpha }$$ $$R^{\prime }(t)=-\sum _{u=0}^t{\varphi }_u{S}_u+S_{t+1}\sum _{u=0}^t{\varphi }_u-\sum _{u=0}^t\lambda {\left|{\varphi }_u\right|}^{\alpha }$$ $$R(t)=-\sum _{u=0}^t{\varphi }_u{S}_u+S_{t+1}-\sum _{u=0}^t\lambda {\left|{\varphi }_u\right|}^{\alpha }$$ $$X_t^0=S_t-{\varphi }_{t-1}{S}_{t-1}-\lambda |{\varphi }_{t-1}{|}^{\alpha }$$ $$X_t^0=S_t-{\varphi }_{t-1}{S}_{t-1}-\lambda |{\varphi }_{t-1}{|}^{\alpha }$$