Deep Reinforcement Learning and Mean-Variance Strategies for Responsible Portfolio Optimization

投资组合优化涉及确定投资组合资产的最佳分配，以最大化给定的投资目标。传统上，使用某种形式的均值-方差优化，旨在最大化收益，同时最小化风险，然而，最近探索了深度强化学习的公式。越来越多的投资者表现出了在投资决策中纳入ESG目标的兴趣，并开发了对经典均值-方差优化框架的修改。在这项工作中，我们研究了将ESG状态和目标纳入负责任的投资组合优化中的深度强化学习的使用，并与修改后的均值-方差方法进行比较。我们的结果表明，深度强化学习策略可以在金融和ESG责任目标的加法和乘法效用函数方面，为负责任的投资组合分配提供与均值-方差方法相竞争的表现。

本论文旨在探索使用深度强化学习进行负责任的投资组合优化，包括ESG指标和目标，以及与修改后的均值-方差方法进行比较。

论文使用深度强化学习来优化投资组合，以最大化投资目标，并考虑ESG指标和目标。结果表明，深度强化学习策略在财务和ESG责任目标的加法和乘法效用函数方面可以提供与均值-方差方法相竞争的性能。

论文提供了一种新的方法来解决负责任的投资组合优化问题，并展示了深度强化学习在此问题上的可行性。实验使用了多个数据集，并与均值-方差方法进行了比较。论文的代码已经开源。

最近在这个领域中，还有一些相关的研究，例如： 1. 'Responsible Investment Portfolio Optimization Using Multi-Objective Evolutionary Algorithms' 2. 'A Deep Reinforcement Learning Framework for the Financial Portfolio Management Problem'