AI এবং বিশ্বের কঠিন সমস্যাগুলো · অর্থনীতি ও সমাজবিজ্ঞান · arXiv · 2026-10-26

নো-শর্টিং বাধাসহ মার্কভ রেজিম-সুইচিং সিস্টেমের জন্য ধারাবাহিক-সময়ের গড়-ভেদাঙ্ক পোর্টফোলিও নির্বাচন রিইনফোর্সমেন্ট লার্নিং সমস্যা

মূল শিরোনাম: Continuous-Time Mean-Variance Portfolio Selection Reinforcement Learning Problems for a Markov Regime-Switching System with No-Shorting Constraints

মার্কভ রেজিম-স্যুইচিং বাজারে শর্ট-সেলিং নিষিদ্ধ শর্তসহ অবিচ্ছিন্ন-সময়ের মিন-ভ্যারিয়েন্স পোর্টফোলিও নির্বাচনে রিইনফোর্সমেন্ট লার্নিং প্রয়োগের এটিই প্রথম গবেষণা। লেখকেরা শর্তটি শুধু একটি গাউসীয় অনুসন্ধানী নীতির গড়ের ওপর আরোপ করেন এবং দেখান যে উপযুক্ত অনুসন্ধান ভ্যারিয়েন্স নিলে এর সর্বোত্তম গড় মূল শর্তযুক্ত সমস্যার সর্বোত্তম নীতির সঙ্গে মিলে যায়। এরপর তাঁরা একটি মডেল-মুক্ত অ্যালগরিদম তৈরি করেন যা ট্রাজেক্টরি ডেটা থেকে পোর্টফোলিও নীতি শেখে, এবং সংখ্যাগত পরীক্ষায় দেখা যায় এটি সর্বোত্তম শর্ট-সেলিং-নিষিদ্ধ পোর্টফোলিও পুনরুদ্ধার করে।

মূল লেখা পড়ুন ↗

সব আইটেম →