English(EN) Model-Free Inference of Investor Preferences: A Relative Entropy IRL Approach

新的RE-IRL框架从市场行为推断投资者偏好

作者 PulseAugur 编辑部 · [3 个来源] · 2026-04-27 10:13

研究人员开发了一个新的框架，使用相对熵逆强化学习（RE-IRL）从观察到的投资者行为和市场数据中推断投资者的奖励函数。该方法适用于底层环境动态未知或无法访问的情况。为了处理有限的数据，该方法采用K近邻技术来估计行为策略，并包含一个统计检验组件来验证研究结果。 AI

影响为金融建模引入了一种新颖的IRL方法，有可能改进算法交易策略。

排序理由这是一篇详细介绍新算法方法的学术论文。

AI 生成摘要 · Google Gemini · 来自 3 个来源。我们如何撰写摘要 →

报道来源 [3]

arXiv cs.LG TIER_1 English(EN) · Chen Xu · 2026-04-28 04:00

模型无关的投资者偏好推断：一种相对熵逆强化学习方法

arXiv:2604.24280v1 Announce Type: new Abstract: We present a framework using Relative Entropy Inverse Reinforcement Learning (RE-IRL) to recover investor reward functions from observed investment actions and market conditions. Unlike traditional IRL algorithms, RE-IRL is employed…
arXiv cs.LG TIER_1 English(EN) · Chen Xu · 2026-04-27 10:13

无模型推断投资者偏好：一种相对熵逆强化学习方法

We present a framework using Relative Entropy Inverse Reinforcement Learning (RE-IRL) to recover investor reward functions from observed investment actions and market conditions. Unlike traditional IRL algorithms, RE-IRL is employed to account for environments where transition pr…
Hugging Face Daily Papers TIER_1 English(EN) · 2026-04-27 10:13

模型无关的投资者偏好推断：一种相对熵逆强化学习方法

We present a framework using Relative Entropy Inverse Reinforcement Learning (RE-IRL) to recover investor reward functions from observed investment actions and market conditions. Unlike traditional IRL algorithms, RE-IRL is employed to account for environments where transition pr…