强化学习投资组合管理框架与蒙特卡洛模拟
摘要：强化学习资产配置方法的优势包括目标设定的灵活性和利用各种信息。然而，现有的资产配置方法在解决资产配置问题时没有考虑以下观点：第一，没有考虑投资组合管理和金融市场特征的状态设计。第二，模型过拟合。第三，模型训练设计没有考虑金融时间序列数据的统计结构。为了解决现有强化学习资产配置方法的问题，我们提出了一种新的强化学习资产配置方法。首先，将模型管理的投资组合的状态视为强化学习代理的状态。其次，使用蒙特卡洛模拟数据增加训练数据的复杂性，以防止模型过拟合。这些数据可以具有不同的模式，从而增加数据的复杂性。第三，考虑了金融市场的各种统计结构生成了蒙特卡洛模拟数据。我们将金融市场的统计结构定义为构成金融市场的资产的相关矩阵。我们实验证明，我们的方法在几个测试间隔内优于基准方法。
作者：Jungyu Ahn, Sungwoo Park, Jiwoon Kim, Ju-hong Lee
论文ID：2207.02458
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2022-07-07