Deep Reinforcement Learning and Mean-Variance Strategies for Responsible Portfolio Optimization

要約

ポートフォリオの最適化には、特定の投資目標を最大化するためにポートフォリオ資産の最適な配分を決定することが含まれます。
従来、リスクを最小限に抑えながらリターンを最大化する目的で、何らかの形式の平均分散最適化が使用されてきましたが、最近では深層強化学習の定式化が検討されています。
投資家は投資決定を行う際に ESG 目標を組み込むことにますます関心を示しており、古典的な平均分散最適化フレームワークの修正が開発されています。
この研究では、ESG の状態と目標を組み込むことにより、責任あるポートフォリオ最適化のための深層強化学習の使用を研究し、修正平均分散アプローチとの比較を提供します。
私たちの結果は、深層強化学習ポリシーが、財務および ESG 責任目標の加法および乗法効用関数にわたる責任あるポートフォリオ割り当てにおいて、平均分散アプローチに対して競争力のあるパフォーマンスを提供できることを示しています。

要約(オリジナル)

Portfolio optimization involves determining the optimal allocation of portfolio assets in order to maximize a given investment objective. Traditionally, some form of mean-variance optimization is used with the aim of maximizing returns while minimizing risk, however, more recently, deep reinforcement learning formulations have been explored. Increasingly, investors have demonstrated an interest in incorporating ESG objectives when making investment decisions, and modifications to the classical mean-variance optimization framework have been developed. In this work, we study the use of deep reinforcement learning for responsible portfolio optimization, by incorporating ESG states and objectives, and provide comparisons against modified mean-variance approaches. Our results show that deep reinforcement learning policies can provide competitive performance against mean-variance approaches for responsible portfolio allocation across additive and multiplicative utility functions of financial and ESG responsibility objectives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google