MIT推出AI股票交易者，优化股票选择和执行的层次方法

文章预览

“ Hierarchical Reinforced Trader (HRT): A Bi-Level Approach for Optimizing Stock Selection and Execution ” 现代投资组合理论（MPT）通过计算预期收益和协方差矩阵来优化投资组合，旨在最大化收益或最小化风险，但实施复杂。深度强化学习（DRL）在自动化股票交易中展现出潜力，但面临维度诅咒、交易动作惯性和投资组合多样性不足等挑战。 本文提出一种新策略：分层强化交易者（HRT），采用双层分层强化学习框架。HRT结合基于近端策略优化（PPO）的高层控制器（HLC）进行股票选择，和基于深度确定性策略梯度（DDPG）的低层控制器（LLC）优化交易执行。 HRT在2021和2022年表现优于DDPG和PPO模型，2021年Sharpe比率为2.7440，2022年上半年Sharpe比率为0.4132，显示出较低的回撤和良好的风险管理。 论文地址 ：https://arxiv.org/pdf/2410.14927 摘要 深度强化学习（DRL）在自动化股票交易中 ………………………………