強化学習を用いたライフサイクル投資†
著者†
上田翼(三井住友DSアセットマネジメント)
概要†
個人のライフサイクルを前提として長期の投資理論を扱う場合、通常の平均分散アプローチとは異なり多期間最適化の視点が必要となる。強化学習のフレームワークを用いることで、古典的なポートフォリオ問題が解けることを確認し、より現実に則した柔軟な仮定の下でも意思決定に応用できることを示す。
キーワード†
Reinforcement Learning, Asset allocation, Personal Finance