FinRL-DeepSeek: LLM-Infused Risk-Sensitive Reinforcement Learning for Trading Agents
创建于 更新于
摘要
本报告提出了一种结合强化学习与大型语言模型（LLM）的风险敏感交易智能体。通过将LLM生成的股票推荐与风险评估信号注入Conditional Value-at-Risk Proximal Policy Optimization (CPPO)算法，提升交易决策质量。基于Nasdaq-100指数的回测结果显示，LLM集成显著改善了CPPO表现，尤其在熊市风险管理方面更为优越。该方法利用FNSPID金融新闻数据，展示了LLM在提取风险特征和交易信号方面的潜力，为量化交易策略提供了创新思路 [page::0][page::1][page::2][page::3][page::6]
