Bridging Behavioral Finance and Robust Agentic DRL: A novel computational framework for Portfolio Selection
Diese Studie führt RPPO-MPT ein, ein neuartiges robustes Reinforcement-Learning-Framework, das störungsbasierte Rauschreduzierung mit von der Prospect Theory inspirierter Reward-Shaping integriert, um konventionelle Modelle bei der Optimierung von Aktienportfolios zu übertreffen, indem es sich besser an die Verhaltenspräferenzen von Investoren unter Marktunsicherheit anpasst.