基于深度强化学习下的股票量化交易算法设计

孔荫莹, 黄志花, 邓浩东, 唐毅康

南昌大学学报(理科版) ›› 2024, Vol. 48 ›› Issue (01) : 24-29+35. DOI: 10.13764/j.cnki.ncdl.2024.01.001

基于深度强化学习下的股票量化交易算法设计

  • 孔荫莹, 黄志花, 邓浩东, 唐毅康
作者信息 +
History +

摘要

针对股票量化交易中有限数据预测未来价格趋势和智能资产组合配置等难题,采用DeepAR模型来预测股票价格的未来涨跌趋势,根据这些趋势计算涨跌幅精选了16支有潜力的股票,并运用SAC模型进行智能资产配置。结果表明,DeepAR模型的股票选择有助于SAC模型实现智能资产组合配置,而SAC模型的量化决策也取得了理想的效果。在4个月的时间内,实现了10.79%的收益率和32.37%的年化收益率。相较于上证指数和沪深300指数有显著的超额收益率,分别为12.47%和21.48%。此外,2016—2022年回测中达到了1.3%的夏普比率和29%的最大回撤率。

关键词

深度强化学习 / 量化交易 / 超额收益 / 股票预测

中图分类号

TP18 / F832.51

引用本文

导出引用
孔荫莹, 黄志花, 邓浩东, 唐毅康. 基于深度强化学习下的股票量化交易算法设计. 南昌大学学报(理科版). 2024, 48(01): 24-29+35 https://doi.org/10.13764/j.cnki.ncdl.2024.01.001

基金

广东省基础与应用基础研究基金(2022A1515012429); 广东省教育厅创新团队项目(2022WCXTD009); 广州市科技计划项目(202201020345)

评论

Accesses

Citation

Detail

段落导航
相关文章

/