基于深度强化学习的金融市场最优交易方法

发明专利有效专利

申请号：
CN201910558312.7
IPC分类号：G06Q10/04;G06Q40/04;G06N20/00
申请日期：
2019-06-26
申请人：
复旦大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度强化学习的金融市场最优交易方法
申请号	CN201910558312.7	申请日期	2019-06-26
法律状态	实质审查	申报国家	中国
公开/公告日	2019-10-11	公开/公告号	CN110322060A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;4;0;/;0;4;;;G;0;6;N;2;0;/;0;0查看分类表>
申请人	复旦大学	申请人地址	上海市杨浦区邯郸路220号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	复旦大学	当前权利人	复旦大学
发明人	周水庚;叶泽坤;邓维杰;关佶红
代理机构	上海正旦专利代理有限公司	代理人	暂无

摘要

本发明属于金融大数据挖掘技术领域，具体为一种基于深度强化学习的金融市场最优交易方法。本发明充分利用市场的信息，设计独特的特征提取网络将量和价组成的四通道矩阵作多层卷积；对当前综合市场组成的向量作全连接，最后拼接特征，全连接后再输出抽象的综合特征。本发明采用深度强化学习对最优交易策略问题进行研究，包括将一个历史窗口的价/量组成的矩阵和当前市场的综合信息作为状态，将离散化的定价作为动作，设计基于相对收益的奖励函数，基于深度确定性策略梯度算法，解决最优交易问题。本发明方法具高实用性、强鲁棒性和高准确度的优点，可适用于股票、证券和期货等领域的高频交易。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供