中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/95484
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 80990/80990 (100%)
造访人次 : 41631677      在线人数 : 4048
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/95484


    题名: 以強化學習多代理人架構為基礎之動態資產配置;Dynamic Asset Allocation Based on Reinforcement Learning with Multi-Agent Architecture
    作者: 張譽騰;Chang, Yu-Teng
    贡献者: 資訊管理學系在職專班
    关键词: 強化學習;多代理人;動態資產配置;DDPG;Reinforcement Learning;Multi-agent;Dynamic Asset Allocation;DDPG
    日期: 2024-07-06
    上传时间: 2024-10-09 16:53:52 (UTC+8)
    出版者: 國立中央大學
    摘要: 本研究提出了一種基於強化學習和多代理人架構的動態資產配置方法。在建構典型的股債資產配置投資組合後,採用多代理人架構,由資金管理代理人控管投資組合的資產配置,並將資金交由股票交易代理人及債券交易代理人分別進行股票ETF及債券ETF之交易。此架構促進專業分工,使各代理人能專注其特定任務,提升學習效率和決策品質。研究選用適用於連續動作空間的DDPG演算法實施細膩且精準的動態資產配置。;This study proposes a dynamic asset allocation method based on reinforcement learning and a multi-agent framework. After constructing a typical stock-bond asset allocation portfolio, a multi-agent framework is adopted, where a fund management agent controls the asset allocation of the portfolio, and then allocates funds to stock trading agent and bond trading agent to trade stock ETFs and bond ETFs, respectively. This framework promotes professional specialization, allowing each agent to focus on their specific tasks, thereby enhancing learning efficiency and decision-making quality. The DDPG algorithm, suitable for continuous action spaces, is selected to implement fine and precise dynamic asset allocation.
    显示于类别:[資訊管理學系碩士在職專班 ] 博碩士論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML26检视/开启


    在NCUIR中所有的数据项都受到原著作权保护.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明