人工智能系列之 59：强化学习初探与 DQN 择时
创建于 更新于
摘要
本报告系统介绍强化学习基本概念、经典算法及其在量化投资中日频择时策略的应用，构建基于 DQN 的上证指数股票择时模型，体现强化学习通过马尔可夫决策过程刻画投资环境，并采用深度神经网络估计动作价值函数。回测结果显示，原始超参数下择时策略样本外年化超额收益率达18.2%，夏普比率1.31，年均调仓42次，优化超参数后策略表现大幅提升，年化超额收益率接近37%，夏普比率3.27。此外围绕折扣因子、回放内存、回看区间及预测区间等超参数的敏感性分析揭示模型稳定性关键因素。报告强调强化学习在投资中存在的过拟合、样本依赖、模型不稳定及缺乏解释性等风险 [page::0][page::3][page::4][page::30][page::33][page::34][page::36][page::37]
