Risk-Sensitive Portfolio Management by using Distributional Reinforcement Learning

Conference proceedings article

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

ไม่พบข้อมูลที่เกี่ยวข้อง

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Harnpadungkij T., Chaisangmongkon W., Phunchongharn P.

ผู้เผยแพร่: Hindawi

ปีที่เผยแพร่ (ค.ศ.): 2019

ISBN: 9781728138213

นอก: 0146-9428

eISSN: 1745-4557

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85077775530&doi=10.1109%2fICAwST.2019.8923223&partnerID=40&md5=b72faa47cca6ec6acf46959f77b15220

ภาษา: English-Great Britain (EN-GB)

ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์

บทคัดย่อ

In recent years, many studies applied deep reinforcement learning in portfolio management. However, few studies have explored the use of value-based reinforcement learning as it is unclear how the risk of a portfolio can be incorporated. In this research, we proposed an agent called C21-SR by adapting the 21-bin categorical reinforcement learning and action-selection strategy based on Sharpe ratio to control the risk of investment and maximize profit. Our results revealed that a C21-SR agent could outperform buyhold and constant rebalance strategies, and the action-selection strategy based on the Sharpe ratio could enhance the performance of categorical reinforcement learning in the financial market. ฉ 2019 IEEE.

คำสำคัญ

Distributional Reinforcement Learning, Portfolio Management