0.来源说明
作者 | Thomas Fischer，德国埃尔朗根-纽伦堡大学
编辑 | 九三山人
1.背景
金融市场从来都是财富聚集的乐园，AI当然不会缺席。区别于传统有监督学习方法，强化学习因为其可以一站式解决“预测”和“投资组合”任务，同时考虑交易成本、市场流动性、投资者避险程度等重要制约因素，在金融市场中的应用具有独特优越性，看起来也更符合投资者的需求。
2.内容简介
作者从近50份出版物中对强化学习在金融市场中的应用情况进行了调查分析，将发展情况梳理为三类方法：
1.评论家方法 2.表演者方法 3.评论家-表演者方法
在每类方法中，从状态表示、奖励函数和智能体行动空间三个角度分析了各自的贡献。这个视角允许我们识别模型的设计方法以及改进性能的潜在空间。
最后，作者对每种方法的优缺点进行了分析，并对未来发展进行了展望。
2.文章目录
文章全文PDF下载，公众号回复：20190214
引用说明：Fischer, Thomas G. (2018) : Reinforcement learning in financial markets - a survey, FAU Discussion Papers in Economics, No. 12/2018, Friedrich-Alexander-Universität Erlangen-Nürnberg, Institute for Economics, Erlangen
