A Pre-trained Reinforcement Learning Approach to Goals-Based Wealth Management
发表于 2024年1月1日上传于 2025年6月19日

本文提出一种基于预训练强化学习(PT-RL)的多目标型财富管理方法,实现了对投资者个性化多目标财富规划问题的快速近优解。通过对成千上万个情景预训练,PT-RL模型能够在百毫秒级快速推断出动态投资组合选择和目标达成策略,达到了约97.8%的最优预期效用,且在多状态变量和复杂环境(如随机通胀)下依然保持计算高效和稳健,显著优于传统动态规划方法。