AI اور دنیا کے مشکل مسائل · معاشیات اور سماجی علوم · arXiv · 2026-10-26

نو-شارٹنگ پابندیوں کے ساتھ Markov ریجیم-سوئچنگ نظام کے لیے مسلسل وقت میں مین-ویریئنس پورٹ فولیو انتخاب کے ریinforcement لرننگ مسائل

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

یہ پہلا مطالعہ ہے جو مارکوف ریجیم-سوئچنگ مارکیٹ میں شارٹنگ پر پابندی کے ساتھ مسلسل وقت کے مین-ویریئنس پورٹ فولیو انتخاب پر ری انفورسمنٹ لرننگ لاگو کرتا ہے۔ مصنفین پابندی کو صرف گاؤسی ایکسپلوریٹری پالیسی کے اوسط پر عائد کرتے ہیں اور دکھاتے ہیں کہ موزوں ایکسپلوریشن ویریئنس کے ساتھ اس کا بہترین اوسط اصل پابند مسئلے کی بہترین پالیسی کے مطابق ہوتا ہے۔ پھر وہ ایک ماڈل-فری الگورتھم تیار کرتے ہیں جو ٹریجکٹری ڈیٹا سے پورٹ فولیو پالیسی سیکھتا ہے، اور عددی تجربات ظاہر کرتے ہیں کہ یہ بہترین بغیر-شارٹنگ پورٹ فولیو دوبارہ حاصل کر لیتا ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →