基于演员-评论家架构的智能体的金融情境丰富策略：一种用于股票交易的深度强化学习方法

arXiv:2610.32237v1 发布类型：新 摘要：在现代金融市场中，超过四分之三的大宗交易均由算法交易执行，这些算法基于先进的交易策略，旨在实现比传统人工交易者更高的精度与速度。然而，以价格指标为核心的传统策略难以捕捉由社会情绪、政治不稳定或突发经济变化等现实事件所引发的市场动态。随着深度强化学习（DRL）的兴起以及数据获取渠道的日益丰富，亟需更高效的算法，以便将这些外部因素纳入交易策略之中。深度强化学习在模拟现实场景及简化复杂决策方面展现出巨大潜力，因为DRL智能体能够自动