【基金】强化学习在大类资产配置中的应用初探——基金专题报告
创建于 更新于
摘要
本报告以2015–2025年月度数据为样本，构建包含权益、债券、商品及境外资产的大类资产池，比较等权、风险平价与风险预算等传统方法，并将资产配置问题建模为“状态—动作—奖励”的强化学习决策过程，采用PPO与SAC两类连续动作空间算法、纳入回撤惩罚与交易成本约束以增强可执行性与稳健性；实证显示PPO在样本外年化收益、夏普及跨年度稳定性上优于传统方法与SAC，策略表现具有显著状态依赖性与趋势适应性，报告并对方法改进与落地风险进行了讨论 [page::0][page::1]
