深度强化学习方法在在线投资组合管理中的鲁棒性基准测试
机器学习
2024-01-17 v1 投资组合管理
摘要
近年来，用于在线投资组合选择的深度强化学习（DRL）方法日益流行。训练强化学习智能体的敏感性意味着需要在市场表示、行为目标和训练过程方面付出大量努力，而以往工作往往缺乏这些。我们提出了一种训练和评估流程，以评估经典DRL算法在投资组合管理中的表现。我们发现大多数深度强化学习算法并不鲁棒，其策略泛化能力差，且在回测中迅速退化。
引用
@article{arxiv.2306.10950,
title = {Benchmarking Robustness of Deep Reinforcement Learning approaches to Online Portfolio Management},
author = {Marc Velay and Bich-Liên Doan and Arpad Rimmel and Fabrice Popineau and Fabrice Daniel},
journal= {arXiv preprint arXiv:2306.10950},
year = {2024}
}
备注
Submitted to INISTA 2023