本发明公开了一种基于深度强化学习的金融时序数据预测方法。本方法包括三个主要的子系统:数据处理子系统,此子系统的功能是对从WindAPI获取到的原始数据进行数据处理;特征提取子系统,此子系统的功能是构造一个深度神经网络来提取数据特征;强化学习子系统,此子系统的功能是基于Actor‑Critic算法,构造策略网络和评估网络,分别进行交易动作的选取与评价,然后不断迭代更新来保证整个系统获取到市场最新的动态信息,并根据获取到的状态信息作出最优的交易动作,最终获取较好的交易效果。本发明能够通过金融市场的一些基本信息,不断去学习这个复杂的金融市场,及时捕获可能获利的交易动作,实现盈利目的。
声明:
“基于深度强化学习的金融时序数据预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)