由于数据量的不断增加，金融行业的快速变化使数据处理和数据分析技术发生了革命性的变化，并带来了新的理论和计算挑战。与经典的随机控制理论和其他解决财务决策问题的分析方法相比，强化学习(RL)的新发展能够充分利用大量的金融数据，较少的模型假设，改善复杂金融环境下的决策。本文旨在回顾RL方法在金融领域的最新发展和应用。我们介绍了马尔科夫决策过程，它是许多常用RL方法的设置。然后介绍各种算法，重点介绍不需要任何模型假设的基于值和策略的方法。与神经网络连接，以扩展框架，以包含深度RL算法。我们的综述通过讨论这些RL算法在各种金融决策问题中的应用，包括最优执行、投资组合优化、期权定价和对冲、市场营销、智能订单路由和机器人建议。

论文链接：

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3971071

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除