FPQC-SAC

量子电路增强金融强化学习稳定性

研究人员开发了FPQC-SAC，一种新颖的软Actor-Critic (SAC)算法变体，旨在提高低信噪比金融强化学习任务的稳定性。该方法在表示层面引入参数化量子电路 (PQC) 来约束特征传播，从而减轻了由嘈杂市场数据放大的误差。在实际投资组合管理模拟中，与标准SAC相比，FPQC-SAC的累积回报显著提高了66.89%，并且比其他深度强化学习基线高出约27%。