A Comprehensive Survey on the Integration of Reinforcement Learning and NLP for Stock Market Trading
创建于 更新于
摘要
本报告系统综述了2018至2024年间22篇文献，聚焦强化学习（RL）与自然语言处理（NLP）在股票交易中的融合应用。通过分析RL基础理论、NLP技术（包括Transformer与BERT等模型）及其实际量化交易设定，揭示了集成框架中使用的文本情感分析、状态表示、RL算法及训练评估方法。调研指出，利用文本信息改善交易策略可显著提升风险调整收益率，但现存数据质量、环境复杂度和评估标准缺乏统一仍是瓶颈。未来工作应强化端到端文本嵌入功能、构建标准化交易基准、注重多资产环境和多随机种子验证，推动RL-NLP在金融决策中的实用性和鲁棒性 [pidx::0][pidx::31][pidx::52][pidx::65][pidx::66].
