基于循环强化学习和LSTM的Agent激励交易

Williams，《强化学习是直接自适应最优控制》，IEEE控制系统，1992年4月[3]R.Bellman，《动态规划》，普林斯顿大学出版社，新泽西州普林斯顿，1957年[4]R.Sutton，《通过时间差分法学习预测》，机器学习，第3卷，1988年[5]C.J.Watkins，P.Dayan，《技术说明：Q-学习，机器学习》，第9卷，1992年[6]L.Kaelbling，M.Littman，A.Moore，强化学习“一项调查，艺术智能研究杂志，第4卷，1996年[7]J.Moody，M.Saffall，通过直接强化学习交易，IEEETransactions on Neural Networks，第12卷，2001年7月[8]D.Lu，使用线性矩阵不等式的投资组合优化，IITWorking Paper，2005年[9]Y.Deng，F.Bao，Y.Kong，Z.Ren，Q.Dai，金融信号表示和交易的深度直接强化学习，IEEE神经网络和学习系统交易，2015年4月【10】W.Zaremba，I.Sutskever，O.Vinyals，递归神经网络正则化，ICLR，2015【11】H.Beyer，《进化策略理论》，Springer Verlag，美国纽约，2001【12】C.J.Price，I.D.Coope，D.Byatt，NelderMaead算法的收敛变体，J.Optim。理论应用。113，No.1【13】J.Moody，L.Wu，Y.Liao，M.Saffell，《交易系统和投资组合的绩效函数和强化学习》，预测杂志，第17卷，1998【14】W.Sharpe，《Sharpe比率》，投资组合管理杂志，第21卷，【15】C.Gold，《通过循环强化学习、计算和神经系统进行外汇交易》，2003【16】P.J.Werbos，《时间反向传播：它做什么和如何做》，IEEE会议记录，第78卷，1990年10月【17】Y.Kao，B.Van Roy，定向主成分分析，运筹学，2014年7月【18】S.Hochreiter，J.Schmidhuber，长短期记忆，神经计算，1997年【19】Y.Bengio，P.Simard，P。

Frasconi，《学习梯度下降的长期依赖性很困难》，《IEEE神经网络学报》，1994年3月[20]I.Goodfello，Y.Bengio，A.Courville，《深度学习》，麻省理工学院出版社书籍草稿，2015年[21]F.Gers，N.Schraudolph，J.Schmidhuber，《学习忘记：LSTM的连续预测》，神经计算，2000年[22]I.Danielka，G.Wayne，B.Uria，Nal Kalchbrenner，Alex Graves，《联想式长短期记忆》，arXiv，2015【23】N.Srivastava，G.Hinton，A.Krizhevsky，I.Sutskever，R.Salakhutdinov，《辍学：防止神经网络过度匹配的简单方法》，《机器学习研究杂志》，2015【24】W.Zaremba，I.Sutskever，O.Vinyals，《递归神经网络正则化》，arXiv，2015年2月【25】J.A.Nelder，R.Mead，函数最小化的单纯形法，《计算机杂志》，第7卷，第4期，1965年[26]J.Kennedy，R.Eberhart，Swarm Intelligence。Morgan Kaufmann，SanFrancisco，CA，2001【27】R.Y.Rubinstein，D.P.Kroese，《交叉熵方法：组合优化的统一方法，蒙特卡罗模拟和机器学习（信息科学和统计学）》，Springer，2004【28】N.Hansen，A.Ostermier，《进化策略中完全去随机化的自我适应》，《进化计算》，9，2001【29】J.Schmidhuber，D.Wiestra，M.Gagliolo，F.Gomoze，《Evolino训练递归网络》，《神经计算》，2007年第19期[30]H.P.Schwefel：《进化与寻优：纽约：Wiley&Sons 1995》。[31]D.Wierstra，T.Schaul，J.Peters，J.Schmidhuber，《自然进化策略》，进化计算大会论文集，IEEE出版社，2008年。【32】S.Boyd、L.El Ghaoui、E.Feron、V.Balakrishnan，《系统与控制理论中的线性矩阵方程》，工业与应用数学学会，1994年