报告题目 | 深度强化学习在股票组合交易中的python程序实现 | ||
报告人（单位） | 陈学彬教授（四川大学） | ||
点评人（单位） | 刘晓星教授 （东南大学） | 点评人（单位） | 李守伟教授 （东南大学） |
时间地点 | 会议时间：2022/6/16 （周四）19：00-22:00 腾讯会议ID：284-822-438 会议密码：0616 | ||
报告内容摘要： 深度强化学习（Deep Reinforcement Learning，DRL）是以一种较为通用的形式将深度学习的感知能力与强化学习的决策能力结合在一起的一类机器学习算法。它使用强化学习来定义问题和优化目标，使用深度学习来解决策略和值函数的复杂建模问题，然后使用误差反向传播算法等方法来优化目标函数。它作为一类重要的机器学习方法，在许多复杂领域得到初步应用。 DRL是一种无监督学习，不需要在模型训练前对样本进行分类标注，而是智能体在与环境的不断交互试错中自行总结经验，学习寻找出最优策略，更加类似于投资者在市场投资中不断学习提高的过程。 | |||
报告人简介：
陈学彬，四川大学经济学院文科讲席教授、博士生导师、享受国务院特殊津贴专家，复旦大学金融研究院原常务副院长、上海财经大学现代金融中心原主任、中国金融学会常务理事、中国国际金融学会常务理事、全国金融学专业研究生教育指导委员会第1届委员、国家自然科学基金第12届、13届管理科学部专家委员会成员、上海市金融学会原副会长、上海市信息学会副会长。哈佛大学、加州大学伯克利分校、圣芭芭拉分校、伦敦政治经济院、明治大学、香港中文大学等校访问学者。 研究领域：货币理论与政策、汇率理论与政策、金融博弈分析、程序化交易、量化投资、智能金融。承担国家自然科学基金、社科基金项目十多项，在《经济研究》、《金融研究》等学术期刊发表论文数十篇。 | |||
