机器人投顾：通过投资组合选择学习投资者风险偏好
投资组合管理
2020-04-16 v2 机器学习
机器学习
摘要
我们引入一个面向零售机器人投顾的强化学习框架。机器人投顾不知晓投资者的风险偏好，而是通过在不同市场环境中观察其投资组合选择随时间学习该偏好。我们开发了一种探索-利用算法，在投资者代价高昂的投资组合征询与基于过时风险厌恶估计的自主交易决策之间进行权衡。我们证明该算法的值函数在以状态和动作空间为多项式的若干周期内收敛于全知机器人投顾的最优值函数。通过纠正投资者的错误，机器人投顾可能优于独立投资者，无论投资者进行投资组合决策的机会成本如何。
引用
@article{arxiv.1911.02067,
title = {Robo-advising: Learning Investors' Risk Preferences via Portfolio Choices},
author = {Humoud Alsabah and Agostino Capponi and Octavio Ruiz Lacedelli and Matt Stern},
journal= {arXiv preprint arXiv:1911.02067},
year = {2020}
}