深度强化学习能否可靠地改善动态投资组合分配？

文章预览

Can Deep Reinforcement Learning Reliably Improve Dynamic Portfolio Allocation? 机器翻译，仅供参考！可使用微信自带翻译功能自行翻译 更多文献获取请关注公众号：量化前沿速递 获取 文献链接/翻译/pdf/文章解析 请加入知识星球“ 量化前沿速递 ” 文章概述 背景与目的 本文探讨了深度强化学习（Deep Reinforcement Learning, DRL）在动态投资组合分配中的应用，并将其与经典的均值-方差优化（Mean-Variance Optimization, MVO）方法进行了比较。研究旨在评估DRL在实际市场条件下的表现，特别是考虑交易成本的情况下。 方法 研究使用了一个无模型的DRL代理，并与标准的MVO方法进行了对比测试。为了确保公平性，两者使用相同的输入参数和再平衡窗口。测试涵盖了多个市场时期，并引入了交易成本以评估其鲁棒性。DRL代理通过历史数据回放模拟美国股票市场环境，从资产价格轨迹中 ………………………………