科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对投资组合管理问题，提出一种基于值分布强化学习算法(VD-MEAC)的投资组合框架．首先，以投资组合收益最大化为目标建立强化学习框架，智能体的动作就是投资组合的权重变化；然后，选择股票因子做为智能体观察到的状态信息．在算法设计上通过新颖的技巧来平衡风险与收益：在控制风险方面，Critic网络学习未来收益的整个分布，并排除过度自信的决策信息从而避免过估计带来的风险；在提高收益方面，增加熵正则，鼓励投资者探索动作空间，避免过早陷入局部最优．在数值实验方面，选择真实的股票数据做为金融环境，多次进行测试以验证策略的稳定性．实验结果表明：VD-MEAC策略的收益均值为2.490，夏普比率均值为2.978，并且在收益率、最大回撤和夏普比率等指标上明显优于对照组(等权重，沪深300,DDPG,TD3,SAC)，证明了该策略的有效性．
- 单位
