[发明专利]基于深度注意力网络和强化学习的投资组合选择方法在审
| 申请号： | 201910390018.X | 申请日： | 2019-05-10 |
| 公开（公告）号： | CN110223180A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 王静远;张阳;吴俊杰 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06Q40/06 | 分类号： | G06Q40/06;G06Q40/04;G06N3/04 |
| 代理公司： | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人： | 李冉 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度注意力网络和强化学习的投资组合选择方法，将融合注意力机制的神经网络模型引入到金融领域中，以夏普比率作为奖励函数，使用强化学习框架训练模型在生成投资组合选择时平衡收益和风险。同时，还提出了通过全新的跨资产注意力机制来建模不同资产之间的相关性，并在模型可解释性方面进行了深入的探索。在中美两国历史股市和实盘模拟中取得了优越的性能，泛化性和鲁棒性强。 | ||
| 搜索关键词： | 强化学习 投资组合 注意力机制 注意力 神经网络模型 金融领域 训练模型 泛化性 解释性 鲁棒性 建模 资产 网络 融合 引入 奖励 收益 平衡 探索 | ||
【主权项】：
1.一种基于深度注意力网络和强化学习的投资组合选择方法，其特征在于，包括：S1：基于金融领域经典的买入胜者卖出败者策略以及最近K个历史时刻的股票特征向量，采用带有历史状态注意力机制的长短期记忆网络进行初步表征提取，得到股票表征r；S2：基于股票表征r和跨资产注意力网络来建模股票之间的相关关系，并由此选出胜者和败者，得到各支股票的胜者评分；S3：根据当前所有股票的胜者评分生成投资组合；S4：基于投资组合，将夏普比率作为强化学习的奖励函数，优化模型参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910390018.X/，转载请声明来源钻瓜专利网。
