Pontryagin-Guided Deep Learning for Large-Scale Constrained Dynamic Portfolio Choice
创建于 更新于
摘要
本报告提出Pontryagin引导的直接策略优化（PG-DPO）方法，解决了多资产连续时间动态投资组合选择问题，支持高达千余资产规模及消费和投资约束。该方法结合神经网络控制与Pontryagin最大值原理，高效避开传统动态规划的维度诅咒，在约束条件下（如禁止卖空、借贷限制等）依然保持可扩展性。基于PG-DPO及其OneShot变体，实验验证了在无约束下准确恢复闭式解，且在约束下实现了高精度策略求解，显著提升了训练效率和数值稳定性，展示了该框架在大规模、多约束动态投资问题上的广泛应用潜力 [page::0][page::2][page::5][page::6][page::15][page::25][page::32]
