强化学习在量化金融中的发展：一项综述
人工智能
2025-05-07 v3 计算工程、金融与科学
机器学习
摘要
强化学习（RL）在过去十年中取得了显著进展，促使人们对金融领域的应用日益感兴趣。本综述批判性地评估了 167 篇出版物，探索了金融领域中多样化的 RL 应用与框架。金融市场以其复杂性、多智能体特性、信息不对称和固有随机性为特征，为 RL 提供了一个引人入胜的试验平台。传统金融提供了一定的解决方案，而 RL 通过更动态的方法推进这些方案，纳入了机器学习方法，包括迁移学习、元学习和多智能体解决方案。本综述从量化金融的视角剖析了 RL 的关键组成部分。我们揭示了新兴主题，提出了未来研究方向，并批判性地审视了现有方法的优势与不足。
引用
@article{arxiv.2408.10932,
title = {The Evolution of Reinforcement Learning in Quantitative Finance: A Survey},
author = {Nikolaos Pippas and Elliot A. Ludvig and Cagatay Turkay},
journal= {arXiv preprint arXiv:2408.10932},
year = {2025}
}
备注
This work is accepted by ACM Computing Surveys on 18 April 2025 and an early access version is already available here: https://dl.acm.org/doi/10.1145/3733714. The arXiv copy (and the ACM CSUR early-access version) is an unedited, pre-print version and it is the author's version of the work