研究人员开发了一种新的算法交易强化学习（RL）框架，该框架包含综合不确定性估计。该方法通过整合分布不确定性、认知不确定性和随机不确定性来应对动态金融市场的挑战。该框架使用 SHAP 加权重建不确定性、MC Dropout 和基于 LSTM 的技术指标共识等方法来增强不确定性估计。在美国股指上的实验表明，与传统模型相比，具有此不确定性估计的强化学习代理显著提高了回报和风险管理。 AI
影响 引入了一种新颖的方法来提高在波动市场中人工智能驱动的交易策略的鲁棒性和性能。
排序理由 学术论文，详细介绍了强化学习在金融交易中不确定性估计的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
