深度强化学习在量化算法交易中的应用：综述
机器学习
2021-06-02 v1 交易与市场微观结构
摘要
算法股票交易已成为当今金融市场的支柱，绝大多数交易现已完全自动化。深度强化学习（DRL）智能体已在象棋和围棋等许多复杂游戏中证明是一支不可忽视的力量。我们可以将股票市场历史价格序列与走势视为一个复杂的不完美信息环境，其中我们试图最大化回报——利润并最小化风险。本文综述了在金融人工智能子领域、更确切地说自动化低频量化股票交易中，深度强化学习迄今取得的进展。所综述的许多研究仅具概念验证性质，实验在不现实设定下进行且无实时交易应用。对于大多数工作，尽管相较于既定基线策略均展现出统计显著的性能提升，但未能获得像样的盈利水平。此外，缺乏在实时在线交易平台上的实验测试，也缺乏基于不同类型 DRL 构建的智能体或人类交易员之间有意义的比较。我们得出结论：股票交易中的 DRL 已在强假设下展现出可与专业交易员媲美的巨大应用潜力，但该研究仍处于非常早期的发展阶段。
引用
@article{arxiv.2106.00123,
title = {Deep Reinforcement Learning in Quantitative Algorithmic Trading: A Review},
author = {Tidor-Vlad Pricope},
journal= {arXiv preprint arXiv:2106.00123},
year = {2021}
}