Portfolio Management using Deep Reinforcement Learning

算法交易或金融机器人凭借其理解复杂统计交易策略的能力，已经征服了股票市场。但是随着深度学习技术的发展，这些策略变得无效了。DQN和A2C模型以前在游戏和机器人领域中已经超越了杰出的人类。在我们的工作中，我们提出了一个加强版的投资组合经理，可以协助分配权重到资产上。该环境为经理提供了自由选择多头和空头投资。权重分配建议仅限于投资组合资产的选择，并通过实证测试来超越基准指数。经理在一个假设的流动市场中执行金融交易，没有任何交易费用。这项工作得出的结论是，以权重分配为中心的行动的投资组合经理可以超越传统投资组合经理的风险调整回报。

本论文旨在提出一个强化学习的投资组合管理器，通过权重分配来优化投资组合的收益。

本文提出的投资组合管理器采用强化学习的方法，通过模拟交易环境来进行权重分配，可以在不收取交易费用的情况下优化投资组合的收益。

本文的实验结果表明，该投资组合管理器可以超过传统投资组合管理器的风险调整收益。

最近相关的研究包括： 1. Deep Reinforcement Learning for Portfolio Management 2. A Deep Reinforcement Learning Framework for the Financial Portfolio Management Problem 3. Portfolio Management with Deep Reinforcement Learning