Autonomous AI Agents for Option Hedging: Enhancing Financial Stability through Shortfall Aware Reinforcement Learning
创建于 更新于
摘要
本文提出两种面向最小化短期亏损概率的强化学习对冲框架：改进的Adaptive-QLBS（向后值方法，嵌入风险厌恶与摩擦显式项）和新颖的RLOP（前向复制学习，优先短缺概率），并在SPY/XOP上市期权的离散日常重平衡回测中展示：RLOP在多数切片上显著降低了亏损发生率并在压力情形下改善尾部风险，而传统参数化模型虽在IVRMSE上更优，但在含交易成本的实际对冲表现上并不总是更好 [page::0][page::2][page::6].
