avatar avatar 我的文献 基于深度强化学习的股市操盘手模型研究 作者 韩道岐; 张钧垚; 周玉航; 刘青 单位 中国人民大学信息学院 期刊 计算机工程与应用 时间 关键词 深度强化学习; DDQN; 单步确定性动作值; 量化策略
摘要
股票市场具有变化快、干扰因素多、周期数据不足等特点,股票交易是一种不完全信息下的博弈过程,单目标的监督学习模型很难处理这类序列化决策问题。强化学习是解决该类问题的有效途径之一。本文提出了基于深度强化学习的智能股市操盘手模型ISTG(Intelligent Stock Trader and Gym),融合历史行情数据、技术指标、宏观经济指标等多数据类型,分析评判标准和优秀控制策略,加工长周期数据,实现可增量扩展不同类型数据的复盘模型,自动计算回报标签,训练智能操盘手,并提出直接利用行情数据计算单步确定性动作值的方法。采用中国股市1400多支的有10年以上数据的股票进行多种对比实验,ISTG的总体收益达到13%,优于买入持有总体-7%的表现。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭