迷你优化：强化学习投资组合管理策略为何会亏钱

迷你优化 (MO) 在投资组合管理中优于强化学习 (RL)：RL 导致收益更低或为负，波动性更大，成本更大，CVaR 更重，盈利性更差，模型风险更高。我们通过 mark-to-market 会计建模 execution/liquidation 摩擦。运用 Malliavin 微积分 (Clark-Ocone/BEL)，我们推导 policy 梯度和 risk shadow price，统一 HJB 和 KKT。这给出 dual gap 和收敛结果：几何 MO 与 RL 的下界。我们通过 Malliavin policy-梯度 交叉污染分析量化 RL 中的 phantom profit，并定义一种 control-affects-dynamics (CAD) 贴水，表明其 plausibly 为正。