本研究使用深度强化学习技术, 对金融工程中的期权定价和最优期权行权问题进行了优化停止策略的评估。比较了三种主流深度强化学习算法的优化效果, 结果表明C51算法在实际情况下有效性更高, 比自然基准策略实现了8%的超额回报；同时, IQN算法在理论环境下表现更好。

May, 2021

本文研究分布强化学习中的分位回归，证明Cram´er距离得到的投影与1-Wasserstein距离的投影相同，并提出了一种低复杂度算法来计算Cram´er距离，在非交叉限制下，squared Cram´er和分位回归损失具有共线性，从而揭示了分布强化学习中相关要素之间的联系。

Oct, 2021

基于分布式强化学习的新Q函数估计器和QEMRL算法通过误差分析和理论证明能够减小偏差和方差，并在Atari和Mujoco基准任务中显著提高了样本效率和收敛性能。

Jul, 2023

通过广义分位数 Huber 损失函数从高斯分布之间的 Wasserstein 距离计算出噪声，本文提出了一种广义的分位数 Huber 损失函数，主要用于在分布性强化学习中估计回报分布。与经典分位数 Huber 损失相比，该创新损失函数增强了对异常值的鲁棒性，且经过实证测试验证了其在 Atari 游戏和最新对冲策略中应用于分布性强化学习的效果以及在参数调整中的潜力。

Jan, 2024

提出了一种基于深度强化学习的新型动态对冲模型，考虑了市场冲击、流动性等实际特征，并通过期权对冲模拟研究，结果表明该模型在低流动性环境下表现更好。

Feb, 2024

将深度强化学习代理与Black-Litterman模型相结合，能使代理学习到资产回报之间的动态相关性，并基于这种相关性实施高效的多头/空头策略。在由真实世界美国股票市场数据构建的投资组合上进行的实证结果表明，我们的深度强化学习代理在累积回报方面至少比各种对比投资组合策略和其他深度强化学习框架提高了42%。在单位风险回报方面，我们的深度强化学习代理在各种对比投资组合策略和其他机器学习框架基础上明显更优。

Feb, 2024

本调研文章使用深度强化学习（DRL）和深度确定性策略梯度（DDPG）方法来对冲美式看跌期权，利用几何布朗运动（GBM）和校准市场随机波动模型进行实验，并在模拟和实际市场测试数据中表明DRL代理在真实场景中比BS Delta方法更优。

May, 2024

该研究通过深度强化学习（DRL）对美式期权进行对冲，调查了超参数对对冲表现的影响，并强调避免特定组合的重要性。另外，该研究引入了一种新方法，在每周时间间隔内使用新的校准随机波动率模型训练DRL代理，结果显示相较于仅在交易日期训练的代理，使用每周市场数据重新训练的DRL代理性能更好。此外，论文还证明在交易成本为1％和3％时，单次训练和每周训练的DRL代理都优于Black-Scholes Delta方法，这对实践具有重要意义。

May, 2024

通过分析交易行为，研究发现每个深度强化学习算法在金融应用中表现出独特的交易模式和策略，其中A2C是累计回报方面的最佳表现者。同时，PPO和SAC以有限的股票进行重要的交易，而DDPG和TD3采取了更加平衡的方法。此外，SAC和PPO往往持有较短时间的头寸，而DDPG、A2C和TD3则倾向于保持长时间不动。

Jun, 2024

本文针对传统分布式强化学习在极端量估计中的不准确性问题，提出了EXtreme DRL（EX-DRL）方法。通过采用广义帕累托分布来建模损失分布的尾部，EX-DRL显著提高了对极端量的预测精度，优化了金融风险管理中的风险指标计算和可靠性。实验结果表明，EX-DRL超越了现有的基于分位数回归的模型。

Aug, 2024