Reinforcement Learning for Speculative Trading under Exploratory Framework
创建于 更新于
摘要
本文在连续时间、通用扩散价格与任意效用下，把“先入场后平仓”的序贯最优停止问题置入探索性（entropy-regularized）强化学习框架，采用受上界约束的强度（intensity）松弛与随机化策略并以香农微分熵作为探索惩罚，证明了最优策略为Gibbs分布并给出强度上界M与温度参数η下的误差界及收敛条件，同时给出数值 HJB 基准与离线策略迭代算法以对成对交易（pairs-trading）示例进行验证 [page::0]
