CBGA-SAC: A CVaR-Constrained Deep Reinforcement Learning Framework for Portfolio Optimization
本文提出了 CBGA-SAC,这是一个统一的深度强化学习框架,该框架集成了用于时间风险提取的 CNN-BiLSTM-Attention 以及用于动态资产相关性的图注意力网络,旨在条件风险价值(CVaR)约束下优化投资组合再平衡,并证明了与传统及基准深度学习模型相比,该框架具有更优的风险调整收益以及在市场机制转变期间的稳健性。