KI und die schwierigen Probleme der Welt · Wirtschafts- & Sozialwissenschaften · arXiv · 2026-10-26
Zeitkontinuierliche Mittelwert-Varianz-Portfolioauswahl als Reinforcement-Learning-Probleme für ein Markov-Regimewechselsystem mit Leerverkaufsverbot
Originaltitel: Continuous-Time Mean-Variance Portfolio Selection Reinforcement Learning Problems for a Markov Regime-Switching System with No-Shorting Constraints
Dies ist die erste Studie, die Reinforcement Learning auf die zeitkontinuierliche Mittelwert-Varianz-Portfolioauswahl mit Leerverkaufsverbot in einem Markov-Regime-Switching-Markt anwendet. Die Autoren legen die Beschränkung nur auf den Mittelwert einer gaußschen Explorationsstrategie auf und zeigen, dass dessen optimaler Mittelwert bei geeigneter Explorationsvarianz mit der optimalen Strategie des ursprünglichen beschränkten Problems übereinstimmt. Anschließend entwickeln sie einen modellfreien Algorithmus, der die Portfoliostrategie aus Trajektoriendaten lernt, und numerische Experimente zeigen, dass er das optimale Portfolio ohne Leerverkäufe wiederfindet.