Abstract：
随着铁矿石等大宗商品日益金融化,越来越多的投资者参与到铁矿石期货交易中,交易策略成为投资决策中的重点研究问题.针对复杂和动态的铁矿石交易环境,设计一种基于集合经验模态分解(EEMD)与深度强化学习(DRL)方法的铁矿石期货交易策略.首先,采用EEMD方法深入剖析铁矿石期货价格的特征,综合考虑分解后的特征,构建基于马尔可夫决策过程的铁矿石期货交易环境;其次,采用多种DRL方法产生铁矿石期货交易策略,并利用累计收益率优化DRL产生的交易策略;最后,采用夏普比率筛选出各交易周期内的最优策略,形成全交易周期的最优策略组合.实验结果表明:提出的交易策略在确保收益率最大化的基础上具有较强的稳健性.
Keyword：
Reprint 's Address：
Version：
Source ：
武汉理工大学学报（信息与管理工程版）
ISSN： 2095-3852
Year： 2024
Issue： 4
Volume： 46
Page： 611-618
Affiliated Colleges：
