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础理论与经典算法，深入解析基于价值和基于策略的强化学习方法，涵盖蒙特卡洛、时序差分、Sarsa、Q学习、DQN、策略梯度、REINFORCE及演员-评委算法。重点展示利用DQN算法构建上证指数日频择时策略，采用股指历史行情数据训练深度神经网络，测试期实现样本外年化超额收益18.2%，夏普比率1.31，年均调仓42次。通过敏感性分析验证折扣因子、回放内存、回看区间和预测区间对策略表现的影响，优化后超参数组合令年化超额收益提升至37.0%，夏普比率3.27，显著改善策略稳健性和有效性[page::0][page::3][page::30][page::33][page::36].
