利用算法进行股票量化交易是当今金融市场的一个重要趋势。在国际象棋和围棋等诸多复杂的游戏中，深度强化学习（DRL）智能体都取得了惊人的成绩。深度强化学习的理论同样适用于股票市场的量化决策。本文介绍了同济大学计算机科学与技术系的上海市大学生创新创业训练计划优秀项目：「基于深度强化学习的金融量化策略研究」，解读了如何训练一个 A 股市场的深度强化学习模型，以及回测的绩效表现。

在该项目中，研究者把股票市场的历史价格走势看作一个复杂的不完全信息环境，而智能体需要在这个环境中最大化回报和最小化风险。相比于其他传统机器学习算法，深度强化学习的优势在于对股票交易任务进行马尔可夫决策过程建模，没有将识别市场状况和交易策略执行分开，更符合股票交易的特点。尽管基于深度强化学习的量化策略研究仍处于早期探索阶段，部分算法已经能够在特定的交易任务中展现出良好的收益。

实验表明，深度强化学习算法中 DDPG（Deep Deterministic Policy Gradient）算法已能在复杂多变的股票市场取得良好的效果。

项目地址：

https://github.com/AI4Finance-Foundation/FinRL-Meta/blob/master/Demo_China_A_share_market.ipynb

 

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