arXiv发布部分信息下最优交易的深度强化学习论文
热点事件持续更新
arXiv发布部分信息下最优交易的深度强化学习论文
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
arXiv 的 stat.ML 板块发布了一篇论文，研究在交易信号服从带状态切换参数的 Ornstein-Uhlenbeck 过程、且状态不可完全观测时的最优交易问题。作者 Andrea Macrì、Sebastian Jaimungal 和 Fabrizio Lillo 将其形式化为部分可观测马尔可夫决策问题，并提出三种结合 RNN 与强化学习的方法：一步法把 GRU 隐藏状态直接编码进 RL 交易器，两种两步法则分别使用均值回归状态的后验概率估计和下一信号值预测。 在状态动态逐步复杂的马尔可夫仿真以及股票配对交易实证中，作者报告输入后验概率估计的两步法取得更高的累计奖励，且策略更可解释。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
基于深度强化学习与 RNN 的部分信息最优交易策略报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv stat.ML基于深度强化学习与 RNN 的部分信息最优交易策略
研究将交易信号建模为带状态切换参数的 Ornstein-Uhlenbeck 过程，并形式化为部分可观测马尔可夫决策问题，提出三种结合 RNN 与强化学习的方法：一步法将 GRU 隐藏状态直接编码进 RL 交易器，两种两步法分别使用均值回归状态的后验概率估计与下一信号值预测。在日益复杂的马尔可夫状态动态仿真及股票配对交易实证中，输入后验概率估计的方法取得更优累计奖励且策略更可解释。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。