行動を「買う」「売る」「待つ」の三つにしてみたけれど

成績がよくない。
action値が−0.5〜0.5っていうのが広すぎるのかも
+−0.2にしてみる

追記

「買う」「売る」方式のほうが明らかに成績がいい…