arXiv q-fin· Matin Tavakoli, Seyedreza Tavakoli, Faezeh Salmani, Amir Amini, Mohammad Hosein Rohban, Gholamali Aminian, Ali Habibnia Rohban·· 5 小时前AI 评分48
如何验证投资组合强化学习中的奖励对齐
Certifying Reward Alignment in Portfolio Reinforcement Learning
AI 导读
针对投资组合强化学习中智能体可能精准优化奖励却偏离真实金融偏好的问题，研究开发了一套终端均值-方差均衡决策审计方法，可区分奖励设定偏差与学习误差。该方法在有限外生状态市场中对单动作变更的收益进行了约束，具备独立样本扩展能力，无需依赖均衡策略。基于9个受控市场、20个随机种子及432个月的历史回测验证，该方法可量化学习决策是否匹配既定金融目标，且不影响目标本身的回测表现。
来源：arXiv q-fin · arxiv.org