基于深度强化学习的金融交易算法研究

摘要：

交易策略在金融资产交易中具有十分重要的作用,如何在复杂动态金融市场中自动化选择交易策略是现代金融重要研究方向.强化学习算法通过与实际环境交互作用,寻找最优动态交易策略,最大化获取收益.提出了一个融合了CNN与LSTM的端到端深度强化学习自动化交易算法,CNN模块感知股票动态市场条件以及抽取动态特征,LSTM模块循环学习动态时间序列规律,最后通过强化学习方法累积最终收益并做出交易策略.在真实股票数据上的实验结果表明,该方法显著优于基准方法,可扩展性更强,鲁棒性更好.

关键词：交易策略、强化学习、深度学习、量化金融

所属期刊栏目：58

分类号：TP181(自动化基础理论)

资助基金：科技部重点研发计划项目2018YFB1402701

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：276-285