Certifying Reward Alignment in Portfolio Reinforcement Learning
説明ポートフォリオ強化学習における報酬整合性の検証
要約本論文は、ポートフォリオ向け強化学習において、学習された意思決定が設定された平均分散の金融目標を実際に実現しているかを判定する意思決定監査手法を提案し、報酬の設定誤りと学習誤差を分離します。制御された市場と過去データでの実験により、この手法は学習された意思決定が目標を実現しているかを、バックテストの成績とは別に定量化できることを示しています。