面向负责任投资组合优化的深度强化学习与均值-方差策略
人工智能
2024-03-26 v1
摘要
投资组合优化涉及确定投资组合资产的最优配置，以最大化给定的投资目标。传统上，通常使用某种形式的均值-方差优化，旨在最大化收益的同时最小化风险；然而，最近人们开始探索深度强化学习公式。投资者越来越表现出在做出投资决策时纳入 ESG 目标的兴趣，并且对经典均值-方差优化框架的修改方案也已得到开发。在这项工作中，我们通过纳入 ESG 状态和目标，研究了深度强化学习在负责任投资组合优化中的应用，并与修改后的均值-方差方法进行了比较。我们的结果表明，在金融和 ESG 责任目标的加性和乘性效用函数下，深度强化学习策略在负责任投资组合配置方面能够提供与均值-方差方法相媲美的性能。
引用
@article{arxiv.2403.16667,
title = {Deep Reinforcement Learning and Mean-Variance Strategies for Responsible Portfolio Optimization},
author = {Fernando Acero and Parisa Zehtabi and Nicolas Marchesotti and Michael Cashmore and Daniele Magazzeni and Manuela Veloso},
journal= {arXiv preprint arXiv:2403.16667},
year = {2024}
}
备注
Presented at the AAAI 2024 Workshop on AI in Finance for Social Impact