一种基于SAC强化学习的自适应股票交易方法
摘要:
本发明公开了一种基于SAC强化学习的自适应股票交易方法,包括以下步骤:1)、从互联网获取股票数据,对股票数据进行预处理;2)、提取上述股票数据对应的股票特征,输入到LSTM中预测该股票的收益率Ri,t+1,根据PMSE获取股票预期收益特征;3)、结合市场价格特征、持仓特征、交易费用特征、剩余可用资金特征,表示当前SAC智能体可观测的交易状况S;4)、SAC智能体计算作出投资决策的预期收益Rt;5)、通过最大化预期累积收益和熵信息,自我调整执行的买入、卖出操作,得到适应市场变化的股票交易策略G。本发明提高了对市场的探索能力和预测能力,以快速适应市场变化,提高投资收益的同时减少产生的交易费用。
0/0