㈠ 機器學習買股票——強化學習入門
強化學習，以其在alpha-go等領域的出色表現，引起了廣泛關注。它不僅在游戲和機器人控制中展現出強大能力，也引發了投資領域的新探索。本文通過一個實際案例探討了強化學習如何應用於股票交易，特別是通過控制限價單價格以最小化買入成本。
強化學習的結構核心是學習環境狀態與行動之間的關系，目標是最大化累計獎勵。以買入股票為例，系統接收剩餘訂單量和時間作為輸入，輸出最佳限價單價格。每一步執行後，系統根據反饋調整策略，直至任務完成，成本最低。
強化學習的學習機制，如動態規劃，通過模擬未來的狀態和可能的反饋，逐步優化決策。在這個股票交易問題中，通過計算損失函數並更新最優動作，強化學習系統能在限定時間內以最低成本購得股票。
強化學習不僅僅是一種理論框架，而是提供了一種通過損失函數調整行為的工具。通過不同的更新方法，如動態規劃，投資者可以靈活應用強化學習進行股票交易策略的優化。