Un enfoque sistemático para la optimización de carteras: un estudio comparativo de agentes de aprendizaje por refuerzo, señales de mercado y horizontes de inversión
Autores: Espiga-Fernández, Francisco; García-Sánchez, Álvaro; Ordieres-Meré, Joaquín
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un enfoque sistemático para la optimización de carteras: un estudio comparativo de agentes de aprendizaje por refuerzo, señales de mercado y horizontes de inversión
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Aprendizaje profundo por refuerzo
Optimización de carteras
Arquitecturas de agentes
Señales de mercado
índices financieros
Rendimientos ajustados al riesgo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Este estudio presenta una exploración sistemática del aprendizaje profundo por refuerzo (RL) para la optimización de carteras y compara varias arquitecturas de agentes, como el DQN, DDPG, PPO y SAC.
Descripción
Este estudio presenta una exploración sistemática del aprendizaje profundo por refuerzo (RL) para la optimización de carteras y compara varias arquitecturas de agentes, como el DQN, DDPG, PPO y SAC.