机器人投顾：利用逆优化与深度强化学习增强投资

机器学习（ML）已被金融业视为强大工具，其在包括投资管理在内的多个领域均有显著应用。本文提出一个全周期数据驱动的投资机器人投顾框架，由两个 ML 智能体组成。第一个智能体为逆投资组合优化智能体，利用在线逆优化从历史配置数据直接推断投资者的风险偏好与预期收益。第二个智能体为深度强化学习（RL）智能体，将推断出的预期收益序列聚合，构建一个新的多期均值-方差投资组合优化问题，可使用深度 RL 方法求解。所提出的投资流程应用于 2016 年 4 月 1 日至 2021 年 2 月 1 日的真实市场数据，并显示出持续优于代表市场最优聚合配置的 S&P 500 基准投资组合。这种超额表现可归因于多期规划（对比单期规划）与数据驱动的 RL 方法（对比经典估计方法）。