Mean–Variance Portfolio Selection by Continuous-Time Reinforcement Learning: Algorithms, Regret Analysis, and Empirical Study
创建于 更新于
摘要
本报告提出基于连续时间强化学习框架的均值-方差投资组合选择方法， bypass传统模型估计，设计并证明多资产Black–Scholes市场环境下算法的渐近收敛性和次线性累积Regret界。实证以标普500成分股为样本，展示RL策略显著优于包括传统模型估计和多种经典投资策略，尤其在熊市及波动加剧期表现优秀，具备稳健性与实用价值 [page::0][page::1][page::17][page::20][page::22][page::25][page::43]
