基于深度强化学习的量化择时策略构建.docxVIP

基于深度强化学习的量化择时策略构建

一、引言

量化择时是量化投资领域的核心环节，本质是通过对市场运行状态的判断动态调整仓位，在趋势上行阶段提高仓位捕获收益，在趋势下行阶段降低仓位规避回撤，最终实现风险调整后收益的最大化。随着国内资本市场机构投资者占比持续提升、市场定价效率不断增强，传统量化择时策略的有效性正逐步下降：早期基于技术指标的规则类策略在震荡市中容易产生频繁假信号，基于多因子模型的线性择时策略难以捕捉市场中的非线性关系，基于支持向量机、随机森林等传统监督学习的择时策略又存在单期预测目标和长期交易目标错配的问题。已有实证研究显示，国内市场中传统趋势跟踪类择时策略的年化超额收益近五年持续下