PulseAugur
中
实时 22:24:14
English(EN) Reinforcement Learning-Guided NSGA-II Enhanced with Gray Relational Coefficient for Multi-Objective Optimization: Application to NASDAQ Portfolio Optimization

新型强化学习引导算法优化NASDAQ投资组合

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的强化学习引导算法RL-NSGA-II-GRC，以增强金融投资组合管理的多目标优化能力。该方法集成了一个强化学习代理来适应性地控制进化参数，并使用灰关联系数（GRC）算子来指导最优解的搜索。将该算法应用于NASDAQ投资组合优化，结果表明其收敛性得到改善，并生成了平滑的有效前沿，能够识别出夏普比率最大化且风险规避程度各异的投资组合。 AI

影响 这项研究可能带来更复杂的AI驱动的金融投资组合优化工具，从而改善风险管理和收益最大化。

排序理由 该聚类包含一篇详细介绍新多目标优化算法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型强化学习引导算法优化NASDAQ投资组合

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhiyuan Wang, Qinxu Ding, Ding Ding, Siying Zhu, Jing Ren, Yue Wang, Chong Hui Tan ·

    基于强化学习指导的NSGA-II算法，结合灰关联系数进行多目标优化：应用于NASDAQ投资组合优化

    arXiv:2607.16194v1 Announce Type: new Abstract: In modern financial markets, decision-makers increasingly rely on quantitative methods to navigate complex trade-offs among multiple, often conflicting objectives. This paper addresses constrained multi-objective optimization (MOO) …

相关实体

相关话题