AIが解く世界の難問 · 経済学・社会科学 · arXiv · 2026-10-26
マルコフ・レジーム転換市場における空売り禁止制約付き連続時間平均分散ポートフォリオ選択の強化学習
原題: Continuous-Time Mean-Variance Portfolio Selection Reinforcement Learning Problems for a Markov Regime-Switching System with No-Shorting Constraints
レジーム転換を伴う市場で、空売り禁止制約のある連続時間平均分散ポートフォリオ選択を強化学習で扱った初めての研究である。制約を方策の平均にのみ適用する補助的な探索的手法を提案し、適切な探索分散を選ぶと、その最適平均方策が元の制約付き問題の最適方策と一致することを示した。さらに、軌道データから最適なポートフォリオ方策を直接学習するモデルフリーのアルゴリズムを開発し、数値実験で空売り禁止の最適ポートフォリオを回復できることを確認した。