强化学习投资策略-第2篇.docxVIP

PAGE5/NUMPAGES5

强化学习投资策略

TOC\o1-3\h\z\u

[标签:子标题]0 3

[标签:子标题]1 3

[标签:子标题]2 3

[标签:子标题]3 3

[标签:子标题]4 3

[标签:子标题]5 3

[标签:子标题]6 4

[标签:子标题]7 4

[标签:子标题]8 4

[标签:子标题]9 4

[标签:子标题]10 4

[标签:子标题]11 4

[标签:子标题]12 5

[标签:子标题]13 5

[标签:子标题]14 5

[标签:子标题]15 5

[标签:子标题]16 5

[标签:子标题]17 5

第一部分强化学习基础

关键词

关键要点

马尔可夫决策过程

1.马尔可夫决策过程（MDP）是强化学习的数学框架，由状态空间、动作空间、奖励函数和状态转移概率四要素构成，其核心假设是马尔可夫性，即未来状态仅依赖于当前状态和动作。研究表明，在金融市场中，资产价格变动可近似建模为高维MDP，例如通过历史收益率构建状态特征（Lietal.,2021）。

2.值函数与策略优化是MDP的核心问题，值函数包括状态值函数V(s)和动作值函数Q(s,a)，分别衡量长期累积奖励的期望。深度强化学习中，深度Q网络（DQN）通过经