通过庞特莱姆投影突破维度障碍：参数不确定性下的动态投资组合选择

我们研究了在扩散市场中具有估计系数且因而不确定性的CRRA投资组合选择问题。自然选取潜在参数$\theta \sim q$于时间0固定；投资者从不观测$\theta$，必须承诺单一$\theta$-盲政策，以最大化以时前目标为目标，视$q$为决策时输入。我们提出一种仅仿真的两阶段求解器。阶段1（DPO）基于BPTT的随机梯度上升，通过欧拉模拟器进行，仅在模拟器内部抽样$\theta$。阶段2（庞特莱姆投影）聚合跨$\theta \sim q$的代数方程块，并在可部署类中强制执行$q$聚合的稳定性条件； resulting correction 可通过交互蒸馏来 amortize。我们将完整的阶段1+阶段2管道称为PG-DPO。我们证明了统一的条件BPTT-PMP对应关系以及基于残差的策略间隙界限，包含显式离散化和蒙特卡洛误差项。在高维高斯漂移-不确定性和因子驱动的基准测试中，实验表明投影稳定了学习，准确恢复解析决策时参考值，而无模型PPO基线仍远离目标。