一种应用深度强化学习的股票交易策略优化方法

唐 科*
电子科技大学成都学院　计算机学院

摘要


人工智能技术的发展给传统的量化投资带来了颠覆性的影响也打开了无限的未来大门对传统的办法和
模式都产生了以前无法想象的冲击和机遇。因此提出了结合深度学习和强化学习的综合股票交易策略优化方法用
多层感知器MLP深度学习模型对A股市场优质股票的历史数据进行回归分析建立未来回报率的预测模型给
交易决策提供高质量的阿尔法信号。分别用深度确定性策略梯度DDPG和优势行动者-评论家A2C两种强化
学习模型用预测信号和市场状态作为输入直接学习最优的交易策略。模型在模拟环境里同市场展开互动力求
获得最大的投资组合累积价值从而自行摸索买卖的时机以及选择标的。实验结果表明用MLP构建的预测模型可
以很好地反映市场的非线性规律DDPG模型在训练过程中可以稳定地学习到投资组合的价值并且通过EpisodeReward关系曲线图可以看出它的性能和收敛情况都很好。

关键词


深度学习；强化学习；回归分析；预测模型；交易策略

全文:

PDF


参考


[1]Poongjin Cho, Kyungwon Kim. Novel approach for

deep learning-based market forecasting and portfolio selection

incorporating market efficiency[J]. Expert Systems With

Applications, 2025, 292:1-13.

[2]刘全，翟建伟，章宗长，钟珊，周倩，章鹏，徐

进.深 度 强 化 学 习 综 述[J].计 算 机 学 报.2018，41（1）：

1-27

[3]Sutton R S, Barto A G. Reinforcement learning: An

introduction[M]. 2nd ed. Cambridge: MIT Press, 2018.

[4]Fischer T, Krauss C. Deep learning with long shortterm memory networks for financial market predictions[J].

European Journal of Operational Research, 2018.

[5]丁世飞，杜威，张健，郭丽丽，丁玲.多智能体

深度强化学习研究进展[J].计算机学报.2024，47（2）：

1547-1567


Refbacks

  • 当前没有refback。