REINFORCEMENT LEARNING-BASED CRYPTOCURRENCY PORTFOLIO MANAGEMENT USING SOFT ACTOR–CRITIC AND DEEP DETERMINISTIC POLICY GRADIENT ALGORITHMS
创建于 更新于
摘要
本论文提出基于深度强化学习的加密货币组合管理框架，比较了SAC与DDPG两种actor–critic算法（均结合LSTM特征提取）并以马科维茨均值方差模型作为基准，实证结果显示SAC在测试期取得更高的累计回报与更优的风险调整后绩效，显著优于DDPG和MPT基准 [page::16][page::17]
