Deep Reinforcement Learning for Automated Stock Trading: An Ensemble Strategy
创建于 更新于
摘要
本文提出基于深度强化学习的集成交易策略，组合PPO、A2C与DDPG三类actor-critic算法，通过滚动训练+3个月验证以Sharpe比率选出最优子模型，并在道指30成分股上回测验证，结果显示集成策略在2016/01–2020/05区间以更高的Sharpe比率和更低波动显著优于单一算法及两类基准（DJIA/min-variance）[page::0][page::6]
