HARLF: Hierarchical Reinforcement Learning and Lightweight LLM-Driven Sentiment Integration for Financial Portfolio Optimization
创建于 更新于
摘要
本报告提出一个结合轻量级大语言模型（LLMs）和深度强化学习（DRL）的多层次层级框架，用于金融资产组合优化。通过融合金融新闻情绪信号与传统市场指标，框架实现了对2018-2024年数据的模拟后，达到年化26%的收益和1.2的夏普比率，显著优于基准组合。创新包括跨模态数据整合、层级智能体结构和全开源代码，展现了大语言模型在金融算法交易中的实用性与可扩展性[page::0][page::1][page::6]。
