【标题】High-Dimensional Stock Portfolio Trading with Deep Reinforcement Learning

【作者团队】Uta Pigorsch, Sebastian Schäfer

【发表日期】2021.12.9

【论文链接】https://arxiv.org/pdf/2112.04755v1.pdf

【推荐理由】本文提出了一种基于深度Q学习的金融投资组合交易深度强化学习算法。该算法能够从任何规模的横截面数据集中交易高维投资组合，其中可能包括资产中的数据缺口和非唯一历史长度。通过为每个环境采样一项资产来依次设置环境，同时以所得资产的平均回报奖励投资，并以资产组的平均平均回报奖励现金储备。这会强制代理策略性地将资本分配给其预期业绩高于平均水平的资产。本文在样本外分析中应用了该方法，对48个美国股票投资组合进行了分析，股票数量从10只到500只不等，选择标准和交易成本水平也各不相同。平均而言，该算法在所有投资组合中仅使用一个超参数设置，大大优于所有考虑的被动和主动基准投资策略。

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