孙志磊, 唐俊洋, 丰 硕, 刘 炜, 兰雪锋, 张文珠, 赵 澄
2024, 52(2): 188-195.
股票交易策略的制定在金融市场投资中起着至关重要的作用。为帮助投资者在多变复杂的
股票市场作出最优决策,降低制定投资策略的难度,基于 LSTM-SAC模型构建自适应股票交易策
略。首先,将堆叠式长短期记忆网络(Longshort-term memory,LSTM)预测的股票收益率与股票
历史数据相结合来表示市场状况;其次,根据观测的市场信息强化学习智能体,基于自动熵调节
(Softactor-critic,SAC)进行自我交易决策调整以适应市场变化;最后,以微分夏普比率作为智能
体学习的目标函数以平衡利益和风险,同时优化交易频率以降低交易成本。研究结果表明:相较于
其他股票交易策略,该策略在道琼斯30和上证50市场均具有较高的年化收益,验证了其在不同市
场的有效性和稳定性。