Progettazione e addestramento di un Agent di Trading per Cryptovalute basato su Transformer con architettura Actor–Critic

I mercati delle criptovalute operano 24/7, con dinamiche non stazionarie e requisiti stringenti di latenza, resilienza e tracciabilità. Questa tesi propone la progettazione e l’addestramento di un Agent di trading basato su Transformer con architettura Actor–Critic, integrato in una piattaforma cloud-native pensata per la sperimentazione e l’impiego operativo. L’obiettivo è coniugare capacità predittiva, decisione adattiva e governance del rischio. L’Agent è composto da un Actor che propone azioni parametrizzate (BUY/SELL/HOLD con orizzonte temporale, size, leva e stop-loss) e da un Critic che ne stima la bontà attraverso uno score, usato come gate decisionale. Il Critic adotta un Transformer Encoder per serie temporali e viene addestrato con scheduler cosine e warm-up, early stopping e calibrazione di soglie per-azione; l’Actor segue un design per-azione con curriculum a stadi e una componente di critic-alignment che allinea la politica allo score del Critic.