Deep Reinforcement Learning for Trading
创建于 更新于
摘要
本报告采用深度强化学习算法设计连续期货合约的交易策略，涵盖离散和连续动作空间，并引入波动率调整提升奖励函数表现。基于2011年至2019年50个最活跃期货合约的多资产类别数据，实证显示所提算法优于经典时间序列动量策略，能在高交易成本下实现正收益。实验结果表明算法能有效捕捉大趋势并在盘整期灵活调整持仓，为金融量化交易策略设计提供新思路与参考 [pidx::0][pidx::1][pidx::6][pidx::7][pidx::8]。
