具有内在偏好的强化学习用于个性化财富管理
机器学习
2022-09-16 v2 人工智能
摘要
将强化学习（RL）应用于资产管理通常以实现收益最大化为目的。用于学习最优策略的外在奖励函数通常不考虑任何其他偏好或约束。我们开发了一种正则化方法，确保策略具有全局内在偏好，即不同个性可能对某些资产存在偏好且会随时间变化。我们利用这些内在策略偏好使我们的RL模型本身具有可解释性。我们展示了如何训练RL智能体为特定个性画像编排此类个体策略，同时仍获得高回报。
引用
@article{arxiv.2204.09218,
title = {Reinforcement Learning with Intrinsic Affinity for Personalized Prosperity Management},
author = {Charl Maree and Christian W. Omlin},
journal= {arXiv preprint arXiv:2204.09218},
year = {2022}
}