Minimal Shortfall Strategies for Liquidation of a Basket of Stocks using Reinforcement Learning
创建于 更新于
摘要
本论文针对机构投资者需高效清算多只高度相关股票的难题，提出了一种基于强化学习的最小执行缺口算法。通过构建离散时间多元最优控制模型，并训练两组神经网络兼顾价格相关性和市场冲击效应，有效规避维度灾难，显著减少整体执行缺口。论文理论上证明了算法的收敛性，并结合2017年6只流通市值大、相关性强的美股当日交易数据完成实证应用，验证了方法的可行性与优越性 [page::0][page::2][page::3][page::5][page::7][page::8][page::6]。
