Reinforcement-Learning Portfolio Allocation with Dynamic Embedding of Market Information
创建于 更新于
摘要
本文提出一种基于深度强化学习的动态嵌入组合配置框架，结合生成式自编码器与在线元学习，实现对高维非平稳金融市场信息的有效降维和动态适应。实证结果表明，该方法在美国前500大市值股票上优于传统预测-优化模型及常见基准，尤其在市场波动剧烈时表现突出。框架具备波动率时机能力，显著降低市场风险暴露，且对不同强化学习算法均表现稳健。嵌入与元学习有效缓解高噪声与非平稳性难题，提升投资组合表现与风险管理能力 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26][page::27][page::28][page::29][page::30][page::31]
