LAW-STRENGTH FRONTIERS AND A NO-FREE-LUNCH RESULT FOR LAW-SEEKING REINFORCEMENT LEARNING ON VOLATILITY LAW MANIFOLDS
创建于 更新于
摘要
本文提出以“法则流形”（volatility law manifold）为核心的评估框架，定义度量（law-penalty、Graceful Failure Index）并给出Goodhart分解 r=r^M + r^⊥，证明了：（i）在学习的世界模型上，PPO类方法会被激励去增加“鬼套利”成分 r^⊥；（ii）增加软约束权重 λ 在结构上不可避免地以牺牲 P&L 为代价形成 law-strength 交易边界；（iii）在若干假设下，非约束的法则寻求 RL 无法在 P&L、law penalty 与 GFI 上同时 Pareto 支配简单的结构性基线（零对冲、Vol-Trend）[page::0][page::2][page::27].
