深度Q网络在投资组合管理中的应用
投资组合管理
2020-03-16 v1 机器学习
机器学习
摘要
机器学习算法与神经网络被广泛应用于股票市场预测、人脸识别和人口分析等许多不同领域。本文将介绍一种基于经典深度强化学习算法Deep Q-Network（深度Q网络，DQN）的策略，用于股票市场的投资组合管理。它是一种通过Q学习优化的深度神经网络。为使DQN适应金融市场，我们首先离散化动作空间，该空间定义为不同资产中投资组合的权重，从而使投资组合管理成为深度Q网络可解决的问题。接下来，我们结合卷积神经网络（Convolutional Neural Network）与对决Q网络（dueling Q-net）以增强算法的识别能力。在实验中，我们选取五只低相关性的美国股票测试该模型。结果表明，基于DQN的策略优于其他十种传统策略。DQN算法的收益比其他策略的收益高30%。此外，与最大回撤相关的夏普比率表明，由DQN制定的策略风险最低。
引用
@article{arxiv.2003.06365,
title = {Application of Deep Q-Network in Portfolio Management},
author = {Ziming Gao and Yuan Gao and Yi Hu and Zhengyong Jiang and Jionglong Su},
journal= {arXiv preprint arXiv:2003.06365},
year = {2020}
}