强化学习是一种机器学习方法,它通过最大化状态和动作空间中的奖励函数,以几乎无模型的方式解决动态优化问题。这一特性使其成为金融问题研究的一个令人兴奋的领域。资产分配,其目标是在考虑风险和交易成本的特定市场状态下获得最大化回报的资产权重,这是一个使用强化学习框架很容易解决的问题。它首先是预期收益和协方差矩阵的预测问题,然后是收益、风险和市场影响的优化问题。投资者和金融研究人员一直在研究均值方差优化、最小方差、风险平价等方法,以及使预期收益和协方差矩阵的预测更加稳健的等权重和几种方法。

展示了 DRL 也可以应用于投资组合分配,因为金融中的非平稳数据具有各种技巧和适应

成为VIP会员查看完整内容
21

相关内容

长期以来,人工智能 (AI)在金融领域的研究和实施方面一直非常活跃。早在 1960 年代,金融部门就已经参与围绕贝叶斯统计(机器学习的主要内容)开发创新。这些开创性的用例基于监控股票市场和为投资者做出预测。今天,这一传统继续存在于人工智能驱动的机器人顾问身上,旨在提供基于算法的自动化财务规划服务,而无需人工协助。现代金融已将其人工智能应用多样化,包括简化内部业务流程和改善整体客户体验。财务专业人士和客户都可能会定期遇到 AI,因为大多数与服务相关的日常问题都是使用某种程度的AI 驱动的自动化来处理/解决的。为了满足客户对更快、更方便、更安全的金融体验不断增长的需求,这一趋势可能会加速。
【论文分享】ICLR2022 HyperDQN: A Randomized Exploration for Deep RL
深度强化学习实验室
0+阅读 · 2022年3月1日
强化学习扫盲贴:从Q-learning到DQN
夕小瑶的卖萌屋
52+阅读 · 2019年10月13日
TensorFlow 2.0深度强化学习指南
云栖社区
18+阅读 · 2019年2月1日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【强化学习】强化学习+深度学习=人工智能
产业智能官
51+阅读 · 2017年8月11日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
63+阅读 · 2022年4月13日
Arxiv
21+阅读 · 2018年8月30日
A Multi-Objective Deep Reinforcement Learning Framework
VIP会员
相关VIP内容
相关基金
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员