Gradient Reduction Convolutional Neural Network Policy for Financial Deep Reinforcement Learning
创建于 更新于
摘要
本报告针对金融深度强化学习中的卷积神经网络（CNN）模型，提出输入归一化和梯度递减结构两项关键改进。通过在FinRL-Meta环境中结合PPO算法验证，新架构显著提高了模型的预测准确性和鲁棒性，实现了比多层感知机和原始CNN更高的累积收益，显示出对复杂金融数据模式更强的捕获能力，为金融量化交易决策提供了有效新范式 [page::0][page::3][page::5][page::7]。
