FinRL-DeepSeek：融合大语言模型的风险敏感强化学习交易智能体
交易与市场微观结构
2025-02-12 v1
摘要
本文提出一种新颖的风险敏感交易智能体，将强化学习与大语言模型（LLM）相结合。我们扩展了条件价值-at-risk（CVaR）proximal policy optimization（CPPO）算法，通过融合来自金融新闻的风险评估和交易建议信号。我们的ethods 采用来自纳斯达克-100 指数基准的金融新闻数据，以及来自 FNSPID 数据集的 DeepSeek V3、Qwen 2.5 和 Llama 3.3 语言模型进行回测。代码、数据及交易智能体均可用：https://github.com/benstaf/FinRL_DeepSeek
引用
@article{arxiv.2502.07393,
title = {FinRL-DeepSeek: LLM-Infused Risk-Sensitive Reinforcement Learning for Trading Agents},
author = {Mostapha Benhenda},
journal= {arXiv preprint arXiv:2502.07393},
year = {2025}
}