arXiv cs.LG·34 天前★ 2

深度强化学习股票交易基准测试

原文标题：Deep Reinforcement Learning for Equity Trading: Benchmarking Actor-Critic Methods with Forward Retraining

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文对A2C、PPO、DDPG、TD3、SAC五种actor-critic深度强化学习方法在20只标普500大盘股上进行基准测试，并与监督式价格预测基线对比。DDPG年化收益最高达55.5%、夏普比率1.38，但市场beta也最高；TD3与SAC风险收益更均衡。前向重训练改善A2C、PPO、SAC，却使DDPG年化收益降至29.8%。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 股票交易中深度强化学习各算法孰优孰劣缺乏统一基准。
方法: 在20只标普500大盘股上统一回测A2C、PPO、DDPG、TD3、SAC，并对比监督式价格预测基线。
结果: DDPG年化收益55.5%、夏普1.38但beta最高1.24；TD3/SAC夏普1.37/1.33、最大回撤约25%；前向重训练使DDPG年化降至29.8%。
影响: 做量化交易选型时可直接参考：高收益的DDPG伴随高beta，稳健性上TD3更优。

所属主题基准测试5

#学术研究 #深度强化学习 #量化交易 #Actor-Critic #基准测试 #风险管理

阅读原文 +0

AI 处理过程展开/收起

原始标题：Deep Reinforcement Learning for Equity Trading: Benchmarking Actor-Critic Methods with Forward Retraining

AI 中文标题：深度强化学习股票交易基准测试

来源：arXiv cs.LG · 发布于 34 天前

分类：学术研究 · AI 重要度：★ 2（2）

标签：深度强化学习 / 量化交易 / Actor-Critic / 基准测试 / 风险管理

关键词：deep reinforcement learning / equity trading / actor-critic

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

每天 09:30，3 条 AI 圈真正重要的变化，免费订阅 →