Style Miner：基于强化学习算法的风格因子构造

文章预览

1. 引言 众所周知，特征提取对于现实世界中的数据分析和机器学习至关重要。一般来说，特征具有两大功能：预测和解释。如今，借助监督机器学习工具箱中的大量工具，可以高效地提取预测性特征，并在许多领域取得了巨大进步，包括计算机视觉、神经机器翻译等。然而，仍然存在一些现实问题，其中未来的观测难以预测，例如股票市场和气候变化。在这种情况下，找到具有强解释力的因子更为重要，以便能够抽象出复杂的现实状态，从而为人所理解。例如，经济学家使用低维风格因子来解释资产波动性，以了解市场、衡量资产风险并建立投资组合。气象学家使用温室气体、其他人为压力源和自然成分来解释观测到的全球地表温度变化，以便通过控制主要风格因子来减缓全球变暖。本文旨在回答如何利用强化学习来发现解释性风格因子，特别是 ………………………………