Multimodal Deep Reinforcement Learning for Portfolio Optimization
创建于 更新于
摘要
本报告提出了一种结合历史价格、SEC文件情绪分析及新闻头条嵌入的多模态深度强化学习框架，优化标普100股票的投资组合。通过改进状态表示和奖励函数，融合多数据源，实验证明多模态数据显著提升了组合表现，CNN和RNN模型在利润奖励函数下表现优异，显著超越传统基准策略，尤其是在同时使用SEC和新闻数据时效果最佳。这显示出结合多源异构数据的潜力及合理奖励设计的重要性 [page::0][page::3][page::6][page::11][page::13]
