本文提出了一个具有 EIIE 拓扑结构、PVM、OSBL 方案和完全利用和显式奖励函数的基于深度强化学习的组合策略金融投资组合管理框架，该框架需要使用 CNN、RNN 或 LSTM，通过在加密货币市场上进行三次回测实验，与其他相比，实现了最好的投资回报。

Jun, 2017

本文提出了一种基于元学习和深度增强学习的投资组合管理方法 MetaTrader，通过模仿不同的专家策略来获取适应不同市场的交易策略，并学习元策略来决定最适合的策略。实证结果表明，MetaTrader 在平衡利润和风险方面显著优于现有的基线模型，并通过彻底的消融研究验证了该方法组成部分的有效性。

Sep, 2022

本文探讨了深度强化学习在优化股票交易策略方面的潜在性，并证明了所提出的深度强化学习方法在夏普比率和累积回报方面优于道琼斯工业平均指数和传统的最小方差组合策略。

Nov, 2018

使用深层强化学习的自主交易代理设计动态投资组合优化模型，通过模型无关机器学习模块、生成式对抗数据增强模块以及行为克隆模块实现训练，对历史金融市场数据进行模拟交易，证明该模型相较于先前的交易策略是稳健的、盈利的和风险敏感的。

Jan, 2019

通过比较三种投资组合优化方法的表现，本文提出了一种基于强化学习的组合设计方法，利用印度股市历史数据进行训练和测试，并使用年回报、年风险和夏普比率等指标进行了比较。

May, 2023

我们探索了使用分层强化学习（HRL）来预测时间序列的任务。结合深度学习和分层强化学习的方法，我们开发了一个股票智能体来预测历史股价数据的时间序列，以及一个车辆智能体来预测第一人称车载摄像头图像中的转向角。我们在两个领域的结果表明，称为封建式强化学习的一种 HRL 方法，在训练速度、稳定性和预测准确性方面都有显著的改进。其中的关键因素是多分辨率结构，将时间和空间抽象引入了网络层次结构。

Oct, 2023

提出了一种以权重分配为中心的投资组合管理器，可以在后定格式市场上执行金融交易，并超过传统投资组合管理器的风险调整收益。

May, 2024

通过一次性训练全球股票池中的可定制股票池，提出了具有可屏蔽股票表示的增强学习框架 EarnMore，通过掩盖目标池外的股票的表示、学习有意义的股票表示和重新加权机制，在 8 个美国股票市场的子集股票池上的大量实验证明，EarnMore 在利润上的 6 个常用金融指标上显著优于 14 种最新算法，达到了超过 40% 的提升。

Nov, 2023

本文研究如何构建通用且高效的层次强化学习算法，其中较低层的控制器通过自动学习和提出的目标来实现上级控制器的监督，并使用脱离策略的经验来提高效率。我们称此算法为 HIRO，并在模拟机器人上的实验中表现出高性能和高样本效率。

May, 2018

采用深度强化学习算法设计交易策略，测试其在 50 种流动性最强的期货合约中的表现，并对商品、股票指数、固定收益和外汇市场等不同资产类别进行研究，证明该算法可以超越传统的时间序列动量策略模型，在重交易成本情况下实现正收益，且能够跟随市场趋势不改变仓位，并在调整期间进行缩减或持有。

Nov, 2019