量化投資作為金融科技的創(chuàng)新形式之一，其利用數(shù)學(xué)、統(tǒng)計學(xué)和計算機科學(xué)等定量方法來制定投資策略和決策的投資方法，其主要目標(biāo)是通過分析大量的市場數(shù)據(jù)和歷史價格走勢，以找到可預(yù)測的模式和趨勢，從而優(yōu)化投資組合，降低風(fēng)險，提高收益。相較于傳統(tǒng)金融交易策略，量化投資通常采用計算機程序自動執(zhí)行交易，以減少人為情感因素的干擾，提高交易效率。但由于金融市場受社會、政治、經(jīng)濟和文化等多種外在因素的影響，導(dǎo)致金融數(shù)據(jù)具有高維度、高噪聲、非線性等特點，使得傳統(tǒng)計量經(jīng)濟學(xué)方法對數(shù)據(jù)中有效信息的提取能力非常有限，很難把握突發(fā)事件背景下金融市場的非平穩(wěn)動態(tài)和復(fù)雜的交互作用。人工智能技術(shù)的發(fā)展為金融時間序列建模以及穩(wěn)健投資組合的構(gòu)建提供了新方法。特別是自2015年AlphaGo在圍棋比賽中取得里程碑式的勝利，深度強化學(xué)習(xí)算法展現(xiàn)出其獨特的優(yōu)勢，在處理復(fù)雜的決策問題方面已經(jīng)展示出巨大潛力，并受到來自各個領(lǐng)域研究者的廣泛關(guān)注。深度強化學(xué)習(xí)算法是將深度學(xué)習(xí)的感知理解能力與強化學(xué)習(xí)的決策能力相結(jié)合，實現(xiàn)了端到端的學(xué)習(xí)，是一種更加接近人類思維方式的人工智能方法。因此，本書擬通過對深度學(xué)習(xí)及深度強化學(xué)習(xí)算法進行深入研究，并對其進