FinFlowRL: An Imitation-Reinforcement Learning Framework for Adaptive Stochastic Control in Finance
创建于 更新于
摘要
本论文提出FinFlowRL框架，结合模仿学习与强化学习以解决金融随机控制问题。通过专家策略预训练MeanFlow模型，再以强化学习微调噪声生成过程，实现对非马尔可夫金融市场中高频交易行为的序列决策优化。实验证明FinFlowRL在多样化市场条件下相比传统模型表现更优，显著提升夏普比率并降低最大回撤，验证了其在复杂市场环境下的自适应能力和优越性[page::0][page::1][page::3]。
