TY -的A2 -古普塔,Punit盟——张Junhao盟,Lei Yifei PY - 2022 DA - 2022/04/30 TI -深强化学习股票预测SP - 5812546六世- 2022 AB -投资者往往关注的潜在回报公司的股票价格的变化。然而,股票价格的波动往往高度非线性和非平稳的,使他们无法控制的主要原因大多数投资者获得长期回报低。历史上,人们总是模拟和预测使用经典计量经济学模型和简单的机器学习模型。近年来,越来越多的研究进行了使用更复杂的机器学习和深入学习方法预测股票价格,和他们的研究报告也表明,其预测精度逐渐提高。虽然这些模型的预测结果和精度改善随着时间的推移,他们的适应性在动荡的市场环境中受到质疑。高度优化的机器学习算法包括以下:模糊神经网络和RNN不能预测股票价格的随机漫步和他们的结果经常与股票价格波动不一致。本文的目的是增加股票价格波动预测的准确性和速度将PG方法的深度强化学习模型。最后,我们的测试表明,新算法的预测精度和奖励收敛速度明显高于传统DRL的算法。因此,新算法更适应市场环境波动。SN - 1058 - 9244 UR - https://doi.org/10.1155/2022/5812546 - 10.1155 / 2022/5812546摩根富林明科学编程PB - Hindawi KW - ER