Myopic Optimality: why reinforcement learning portfolio management strategies lose money
创建于 更新于
摘要
本论文系统地揭示了强化学习(RL)在组合管理中的固有劣势，证明了短视优化(MO)策略在执行摩擦和风险约束下的盈利能力和收敛性优于RL。利用Malliavin微积分工具，导出了风险阴影价格，统一了HJB和KKT条件，证明MO能几何收敛，而RL收敛带有不消失的方差下限。研究表明RL策略在平均收益、方差、CVaR及正收益概率上均逊于匹配努力下的MO策略，并且存在“幻影利润”模型风险。唯有在控制影响状态(CAD)等特定市场条件下，RL才可能超越MO。该成果为量化投资中RL策略的实际价值提供了明确理论阐释与风险揭示 [page::0][page::16][page::18][page::21][page::32]。
