StockFormer：基于Transformer 的强化学习模型探究
创建于 更新于
摘要
本报告系统介绍了基于SAC算法的StockFormer强化学习交易策略，结合3个Transformer模型构造综合市场状态输入，优化股票交易决策。在中证1000标的回测中，StockFormer策略实现年化收益32.7%、超额收益29.1%和信息比率2.57，显著优于传统Transformer指数增强组合。通过引入最大熵正则化与双Q网络设计，策略提升了探索能力和稳定性，对市场风格的快速适应能力明显，尤其在2023年表现优异。研究表明，强化学习结合深度学习在动态策略调整和风格择时方面展现出较高弹性和潜力，为量化投资提供新方向[page::0][page::11][page::13][page::15][page::17].
