Learning to Optimally Stop Diffusion Processes, with Financial Applications
创建于 更新于
摘要
本文提出了一种基于连续时间强化学习框架的最优停止问题解决方法，通过惩罚变分不等式转化为随机最优控制问题，并采用Bernoulli随机化与熵正则化实现策略改进。设计了离线及在线两种RL算法，并在有限期权定价及含交易成本的投资组合选择中验证了算法的高效性和高维扩展能力，结果显示算法在学习价值函数和界限判别方面表现优异，显著优于现有方法。[page::0][page::3][page::8][page::14][page::16][page::17][page::19][page::21][page::24][page::25][page::27][page::29][page::35]
