Quantum Reinforcement Learning Trading Agent for Sector Rotation in the Taiwan Stock Market
创建于 更新于
摘要
本报告提出了一种基于混合量子-经典强化学习框架的台湾股票市场行业轮动策略，采用PPO算法结合LSTM、Transformer等经典模型与多种量子增强模型（QNN、QRWKV、QASA）进行对比。实验结果显示，量子模型训练时获得更高奖励但实际投资表现逊于经典模型，揭示了代理奖励信号与真实投资目标之间的脱节问题，并对未来的奖励设计和正则化提出改进建议[page::0][page::4][page::5]。
