金融科技领域中强化学习的系统综述

强化学习在金融科技（Fintech）中的应用近来备受瞩目。毋庸置疑，强化学习凭借其广泛的能力与熟练度，在金融科技领域助力取得了显著成果。本系统综述旨在对强化学习与金融科技之间的关联进行探索性研究，以凸显预测准确性、复杂性、可扩展性、风险、盈利性与性能。强化学习在金融或金融科技中的主要用途包括投资组合优化、信用风险降低、投资资本管理、利润最大化、高效推荐系统以及更优定价策略。若干研究探讨了强化学习对金融机构绩效的实际贡献。本综述纳入的最新研究为 2018 年以来的出版物。综述采用 PRISMA 技术进行，该技术聚焦于综述报告，并基于一份检查清单与四阶段流程图。所开展的综述表明，金融科技领域中基于 RL 的策略性能明显优于其他 SOTA 算法。本文讨论了强化学习算法在金融科技多样决策挑战中的使用，并得出结论：涉及金融的机构可大幅受益于机器人顾问、智能订单路由、做市、对冲与期权定价、投资组合优化以及最优执行。