[发明专利]基于深度强化学习对银行风险定价的优化方法和装置

权利要求书

1.基于深度强化学习对银行风险定价的优化方法，其特征在于，所述方法包括：

对动作值函数网络参数和策略网络参数进行初始化；

通过现有初始化的网络与银行模拟环境进行交互，完成初始化经验回放；

通过均匀分布在经验回放池中采样，获取训练样本；

通过动作值函数网络和策略网络的损失函数对当前网络的参数进行更新；

经过多轮训练，通过预设的更新方式，将当前网络的参数复制到目标网络中以完成对银行风险定价的优化操作。

2.根据权利要求1所述的基于深度强化学习对银行风险定价的优化方法，其特征在于，还包括：当模型输出的银行净资产收益率数值落入预设范围内时，停止模型训练。

3.根据权利要求1所述的基于深度强化学习对银行风险定价的优化方法，其特征在于，所述对动作值函数网络参数和策略网络参数进行初始化包括：对智能体的单轮策略，银行模拟环境状态以及单轮回报进行随机初始化。

4.根据权利要求1所述的基于深度强化学习对银行风险定价的优化方法，其特征在于，所述通过现有初始化的网络与银行模拟环境进行交互，完成初始化经验回放包括：

初始化银行模拟环境，得到初始状态；

根据预设公式进行决策输出操作；

与银行模拟环境进行交互获取当轮回报和下一轮的银行模拟环境状态信息；

将四元组数据缓存到经验回放池中。

5.根据权利要求4所述的基于深度强化学习对银行风险定价的优化方法，其特征在于，还包括：当经验回放池被存满，则利用先进先出的原则进行清理。

6.根据权利要求4所述的基于深度强化学习对银行风险定价的优化方法，其特征在于，所述预设公式为：a_t＝μ(a_t│s_t,θ^μ)+N，其中，N为正态分布的随机噪声，其中，a_t代表动作；s_t代表环境；μ代表神经网络的参数；θ代表μ的参数。

7.根据权利要求1所述的基于深度强化学习对银行风险定价的优化方法，其特征在于，还包括：通过一个神经网络来表征所述动作值函数，所述动作值函数表征在本轮状态下，采取预设对策后，在之后所有轮决策中获取累积回报的期望。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述权利要求1-7中任一项所述方法的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述权利要求1-7中任一项所述方法的步骤。

10.基于深度强化学习对银行风险定价的优化装置，其特征在于，所述装置包括：

初始化模块，用于对动作值函数网络参数和策略网络参数进行初始化；

交互模块，用于通过现有初始化的网络与银行模拟环境进行交互，完成初始化经验回放；

获取模块，用于通过均匀分布在经验回放池中采样，获取训练样本；

更新模块，用于通过动作值函数网络和策略网络的损失函数对当前网络的参数进行更新；

优化模块，用于经过多轮训练，通过预设的更新方式，将当前网络的参数复制到目标网络中以完成对银行风险定价的优化操作。