深度强化学习方法及其在经济学中应用的全面综述
统计金融
2020-04-06 v1 机器学习
综合经济学
经济学
机器学习
摘要
深度强化学习（DRL）方法在经济学中的普及程度呈指数级增长。DRL 通过强化学习（RL）和深度学习（DL）的广泛能力来处理复杂的动态商业环境，提供了巨大的机遇。DRL 的特点在于其可扩展性，有潜力应用于与经济数据中含噪且非线性模式相关的高维问题。在这项工作中，我们首先简要回顾了 DL、RL 和深度 RL 方法在经济学中的各种应用，深入洞察了其最新进展。此外，研究了应用于经济问题的 DRL 架构，以突出其复杂性、鲁棒性、准确性、性能、计算任务、风险约束和盈利能力。综述结果表明，与面临带有风险参数和不断增加的不确定性的真实经济问题时的传统算法相比，DRL 能够提供更好的性能和更高的准确性。
引用
@article{arxiv.2004.01509,
title = {Comprehensive Review of Deep Reinforcement Learning Methods and Applications in Economics},
author = {Amir Mosavi and Pedram Ghamisi and Yaser Faghan and Puhong Duan},
journal= {arXiv preprint arXiv:2004.01509},
year = {2020}
}
备注
42 pages, 26 figures