A Pre-trained Reinforcement Learning Approach to Goals-Based Wealth Management
创建于 更新于
摘要
本文提出一种基于预训练强化学习（PT-RL）的多目标型财富管理方法，实现了对投资者个性化多目标财富规划问题的快速近优解。通过对成千上万个情景预训练，PT-RL模型能够在百毫秒级快速推断出动态投资组合选择和目标达成策略，达到了约97.8%的最优预期效用，且在多状态变量和复杂环境（如随机通胀）下依然保持计算高效和稳健，显著优于传统动态规划方法[page::0][page::1][page::3][page::4][page::8][page::9][page::14][page::16][page::19]。
