2024年3月15日现代电子技术Mar.2024ModernElectronicsTechnique第47卷第6期Vol.47No.6154DOI：10.16652/j.issn.1004‐373x.2024.06.025引用格式：杨旭，刘家鹏，越瀚，等.基于深度强化学习算法的投资组合策略与自动化交易研究[J].现代电子技术，2024，47（6）：154‐160.基于深度强化学习算法的投资组合策略与自动化交易研究杨旭1，刘家鹏2，越瀚1，张芹1（1.中国计量大学经济与管理学院，浙江杭州310018；2.浙江万里学院商学院，浙江宁波315100）摘要：投资组合策略问题是金融领域经久不衰的一个课题，将人工智能技术用于金融市场是信息技术时代一个重要的研究方向。目前的研究较多集中在股票的价格预测上，对于投资组合及自动化交易这类决策性问题的研究较少。文中基于深度强化学习算法，利用深度学习的BiLSTM来预测股价的涨跌，以强化学习的智能体进行观测，更好地判断当期情况，从而确定自己的交易动作；同时，利用传统的投资组合策略来建立交易的预权重，使智能体可以在自动化交易的过程中进行对比，从而不断优化自己的策略选择，生成当期时间点内最优的投资组合策略。文章选取美股的10支股票进行实验，在真实的市场模拟下表明，基于深度强化学习算法的模型累计收益率达到了86.5%，与其他基准策略相比，收益最高，风险最小，具有一定的实用价值。关键词：投资组合策略；自动化交易；深度强化学习；BiLSTM；深度确定性策略梯度（DDPG）；权重对比中图分类号：TN911‐34文献标识码：A文章编号：1004‐373X（2024）06‐0154‐07ResearchoninvestmentportfoliostrategyandautomatedtradingbasedondeepreinforcementlearningalgorithmYANGXu1,LIUJiapeng2,YUEHan1,ZHANGQin1(1.CollegeofEconomicsandManagement,ChinaJiliangUniversity,Hangzhou310018,China;2.CollegeofBusiness,ZhejiangWanliUniversity,Ningbo315100,China)Abstract：Theproblemofinvestmentportfoliostrategyisanenduringtopicinthefinancialfield,andtheapplicationofartificialintelligencetechniquesinfinancialmarketsisanimportantresearchdirectionintheinformationtechnologyera.Currentresearchismorefocusedonpricepredictionofstocks,andlessondecision‐makingproblemssuchasinvestmentportfolioandautomatedtrading.Basedonthedeepreinforcementlearningalgorithm,theBiLSTMofdeeplearningisusedtopredicttheriseandfallofstockprices,andthereinforcementlearningagentsisusedtoobserveandbetterassessthecurrentsituation,soastodetermineone′sowntradingactions.Intelligentagentscancomparisonduringautomatedtradingprocessesbyusingtraditionalinvestmentportfoliostrategytoestablishpreweightsfortransactions,soastocontinuouslyoptimizetheirstrategychoicesandgeneratetheoptimalinvestmentportfoliostrategyatthecurrenttimepoint.10stocksfromtheUSstockmarketareselectedforexperiments.Underrealmarketsimulations,theresultsshowthatthecumulativereturnofthemodelbasedonde