深度强化学习--算法原理与金融实践入门
谢文杰 周炜星
160人在读
18.8万字总字数
¥48.3定价
谢文杰 周炜星
深度强化学习是人工智能和机器学习的重要分支领域，有着广泛应用，如AlphaGo和ChatGPT。本书作为该领域的入门教材，在内容上尽可能覆盖深度强化学习的基础知识和经典算法。全书共10章，大致分为4部分：第1部分（第1～2章）介绍深度强化学习背景（智能决策、人工智能和机器学习）；第2部分（第3～4章）介绍深度强化学习基础知识（深度学习和强化学习）；第3部分（第5～9章）介绍深度强化学习经典算法（DQN、AC、DDPG等）；第4部分（第10章）为总结和展望。每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步深入探索。 本书可作为高等院校计算机、智能金融及相关专业的本科生或研究生教材，也可供对深度强化学习感兴趣的研究人员和工程技术人员阅读参考。
【基于离散马尔可夫决策过程的金融市场环境模型】基于离散马尔可夫决策过程(Markov Decision Process，MDP)的金融市场环境模型可以表示为六元组(S,A,P,R,γ,H)，其中： · S表示金融市场环境状态集合； · A表示智能体动作集合； · P:S×A×S→[0,1]是金融市场环境状态转移函数； · R:S×A×S→R是金融市场环境回报函数；R为连续的区间，R(st,at,st+1)∈R，Rmax∈ℝ+(e.g.,[0,Rmax])； · γ∈[0,1）是折扣系数； · H是投资期限。 基于离散马尔可夫决策过程的金融市场环境模型在经典马尔可夫决策过程的基础上增加了一个投资期限H。随着模型越来越复杂，模型可表示的动力学过程也越来越丰富。投资期限H简化了模型，有利于投资智能体的建模和训练。在金融市场环境中，基于强化学习的智能交易系统模块。