Deep Reinforcement Learning Strategies in Finance: Insights into Asset Holding, Trading Behavior, and Purchase Diversity Regular Research Paper (CSCE-ICAI’24)
创建于 更新于
摘要
本报告系统分析了多种深度强化学习（DRL）算法在金融交易中的行为差异及表现，重点调研其持有与交易策略及资产多样化倾向。研究显示A2C算法累计回报最高，PPO和SAC倾向于频繁交易集中持股，DDPG与TD3则采用更平衡的交易分布且持股周期较长，为金融领域的DRL应用提供了决策逻辑和性能洞见[page::0][page::4][page::6]。
