研究团队发布组合强化学习奖励对齐审计方法论文

Matin Tavakoli等研究团队发布面向终端均值-方差均衡的投资组合强化学习奖励对齐决策审计方法，可区分奖励设定偏差与学习误差，量化学习决策是否匹配既定金融目标。 该方法在有限外生状态市场中对单动作变更的收益进行约束，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，该方法可保留拟合的均值-方差目标，但不会提升实际投资表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。