强化学习在风险规避型数字化资产配置中的应用

摘要

近年来，强化学习在数字化资产配置和投资组合管理中应用日益加深。但是，绝大部分强化学习算法在应用于资产配置的过程中并不考虑风险这一因素，从而给投资者带来的收益具有较强的波动性。这种风险中性的资产配置决策带来的高波动性往往给投资者带来较大的资产回撤。在资本市场中，无论是机构投资者还是个人投资者，在面临较大的资产回撤时，往往选择中断投资并退出市场。这种做法规避进一步损失的同时也丧失了继续盈利的机会，是投资者十分希望避免的局面。本文在传统的强化学习模型引入风险这一因素，通过对风险项——资产最大回撤进行效用惩罚，提出了风险规避的强化学习模型。

目录

声明

摘要

第一章 绪论

§1．1 背景介绍

§1．2 研究现状

§1．3 论文结构

第二章 理论基础

§2．1 数字化资产配置

§2．2 强化学习理论框架

§2．3 Q值神经网络

§2．4 强化学习在风险中性型数字化资产配置中的理论应用

§2．5 强化学习在风险规避型数字化资产配置中的理论应用

第三章 实证研究

§3．1 问题描述

§3．2 实证分析

第四章 总结与展望

参考文献

致谢