基于深度强化学习的国内金融市场投资比较研究 |
| |
引用本文: | 操东林,崔超然,杨潇.基于深度强化学习的国内金融市场投资比较研究[J].南京大学学报(自然科学版),2023(2):333-342. |
| |
作者姓名: | 操东林 崔超然 杨潇 |
| |
作者单位: | 1. 山东省区块链金融重点实验室,山东财经大学;2. 山东财经大学计算机科学与技术学院;3. 山东财经大学管理科学与工程学院 |
| |
基金项目: | 国家自然科学基金(62077033,61701281); |
| |
摘 要: | 近年来,随着全球经济的迅速发展,参与金融投资的投资者增多,如何在复杂的金融市场中自动选择交易策略使收益最大化成为研究热点.强化学习可以通过与实际环境的交互来寻找最优的交易策略,使投资收益最大化.现有的方法大都是将一到两个强化学习算法应用于金融市场并比较算法在单一交易任务上的表现,此外,这些研究大都针对国外的股票、证券市场或加密货币市场,对国内金融市场的研究甚少.针对上述问题,面向国内金融投资市场,系统性地验证了不同类型的多种深度强化学习代表性算法在单只股票交易、多只股票交易和投资组合分配三个投资任务上的有效性.通过观察在累计收益率、夏普比率、最大回撤等评价指标上的回测结果对算法进行比较,结果显示在不同的投资任务中选取合适的强化学习算法可以有效地提升收益.
|
关 键 词: | 强化学习 值函数 策略梯度 投资组合 股票交易 |
|
|