ROBUST REINFORCEMENT LEARNING WITH DYNAMIC DISTORTION RISK MEASURES

创建于 2025-09-23T11:43:44.350588+08:00 更新于 2026-04-23T15:34:28.553362+08:00

摘要

本文提出了一种结合动态鲁棒失真风险度量的强化学习框架，通过Wasserstein球构建环境不确定性集合，实现了时间一致的风险感知决策。利用神经网络估计动态风险，推导出基于分位数的确定性策略梯度，并设计了深度演员-评论家算法。在包括组合投资的实证应用中，展示了算法良好的性能与策略稳健性 [page::0][page::2][page::6][page::10][page::15][page::16].

速读内容

深度阅读