Deep Hedging with Reinforcement Learning: A Practical Framework for Option Risk Management
创建于 更新于
摘要
本文提出一个面向SPX/SPY期权风险动态对冲的强化学习（GAE actor–critic）框架，构建无泄漏环境、成本感知奖励与真实执行约束，并在2005–2023历史面板上进行训练与确定性回放验证；结果显示学到的覆盖策略在合理交易成本与再平衡节奏下能提供正的风险调整收益率、受控换手率与较小回撤，且在50/50与长期SPY混合时改善组合均值-方差特性 [page::0][page::5][page::6].
