Certifying Reward Alignment in Portfolio Reinforcement Learning
说明验证投资强化学习中的奖励对齐
简介本文针对组合投资中的强化学习，提出一种决策审计方法，用于判断学到的策略是否真正实现了设定的均值-方差金融目标，并将奖励设定偏差与学习误差区分开来。作者在受控市场和历史数据上进行了实验，结果表明该方法能量化学到的决策是否实现了既定的金融目标，而这与回测表现是两个独立的问题。
量化金融 · 2026年10月25日（周日）
arXiv 量化金融（q-fin）。