論文の概要: Deep Reinforcement Learning for ESG financial portfolio management
- arxiv url: http://arxiv.org/abs/2307.09631v1
- Date: Mon, 19 Jun 2023 14:56:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-23 11:48:15.338499
- Title: Deep Reinforcement Learning for ESG financial portfolio management
- Title(参考訳): ESG金融ポートフォリオ管理のための深層強化学習
- Authors: Eduardo C. Garrido-Merch\'an, Sol Mora-Figueroa-Cruz-Guzm\'an, Mar\'ia
Coronado-Vaca
- Abstract要約: 本研究は、標準的なダウ・ジョーンズ工業平均(DJIA)市場条件下でのDRLエージェント性能の比較分析を含む。
ESG規制市場において、補助金は彼らのリターンとESGスコアに基づいてポートフォリオに比例的に割り当てられ、一方、税は指標のESGスコアよりも低いポートフォリオに割り当てられた。
その結果、ESG規制市場におけるDRLエージェントが標準DJIA市場設定を上回っていることが興味深い。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the application of Deep Reinforcement Learning (DRL)
for Environment, Social, and Governance (ESG) financial portfolio management,
with a specific focus on the potential benefits of ESG score-based market
regulation. We leveraged an Advantage Actor-Critic (A2C) agent and conducted
our experiments using environments encoded within the OpenAI Gym, adapted from
the FinRL platform. The study includes a comparative analysis of DRL agent
performance under standard Dow Jones Industrial Average (DJIA) market
conditions and a scenario where returns are regulated in line with company ESG
scores. In the ESG-regulated market, grants were proportionally allotted to
portfolios based on their returns and ESG scores, while taxes were assigned to
portfolios below the mean ESG score of the index. The results intriguingly
reveal that the DRL agent within the ESG-regulated market outperforms the
standard DJIA market setup. Furthermore, we considered the inclusion of ESG
variables in the agent state space, and compared this with scenarios where such
data were excluded. This comparison adds to the understanding of the role of
ESG factors in portfolio management decision-making. We also analyze the
behaviour of the DRL agent in IBEX 35 and NASDAQ-100 indexes. Both the A2C and
Proximal Policy Optimization (PPO) algorithms were applied to these additional
markets, providing a broader perspective on the generalization of our findings.
This work contributes to the evolving field of ESG investing, suggesting that
market regulation based on ESG scoring can potentially improve DRL-based
portfolio management, with significant implications for sustainable investing
strategies.
- Abstract(参考訳): 本稿では,環境・社会・ガバナンス(esg)金融ポートフォリオ管理への深層強化学習(drl)の適用について検討し,esgスコアに基づく市場規制の潜在的利益を特に重視する。
我々はAdvantage Actor-Critic (A2C) エージェントを活用し、FinRLプラットフォームから適応したOpenAI Gymで符号化された環境を用いて実験を行った。
本研究は、標準的なダウ・ジョーンズ工業平均値(DJIA)市場条件下でのDRLエージェント性能の比較分析と、企業ESGスコアに従ってリターンが規制されるシナリオを含む。
ESG規制市場において、補助金は彼らのリターンとESGスコアに基づいてポートフォリオに比例的に割り当てられ、一方、税は指標のESGスコアよりも低いポートフォリオに割り当てられた。
その結果、ESG規制市場におけるDRLエージェントが標準DJIA市場設定を上回っていることが興味深い。
さらに,エージェントの状態空間にesg変数を含めることを検討し,これらのデータを除外したシナリオと比較した。
この比較は、ポートフォリオ管理意思決定におけるESG要因の役割の理解を深める。
IBEX 35およびNASDAQ-100指数におけるDRLエージェントの挙動を解析した。
A2CアルゴリズムとPPOアルゴリズムの両方をこれらの追加市場に適用し、我々の発見の一般化についてより広い視点で考察した。
この研究は、ESG投資の進化に寄与し、ESGスコアに基づく市場規制がDRLベースのポートフォリオ管理を改善する可能性を示唆し、持続的な投資戦略に大きな影響を与える。
関連論文リスト
- Deep Reinforcement Learning and Mean-Variance Strategies for Responsible Portfolio Optimization [49.396692286192206]
本研究では,ESG状態と目的を取り入れたポートフォリオ最適化のための深層強化学習について検討する。
以上の結果から,ポートフォリオアロケーションに対する平均分散アプローチに対して,深層強化学習政策が競争力を発揮する可能性が示唆された。
論文 参考訳(メタデータ) (2024-03-25T12:04:03Z) - Combining Transformer based Deep Reinforcement Learning with
Black-Litterman Model for Portfolio Optimization [0.0]
モデルフリーのアルゴリズムとして、深層強化学習(DRL)エージェントは、教師なしの方法で環境と対話することで学習し、決定する。
DRLエージェントとBlack-Litterman (BL)モデルを組み合わせたハイブリッドポートフォリオ最適化モデルを提案する。
我々のDRLエージェントは、様々な比較ポートフォリオ選択戦略と代替DRLフレームワークを、累積リターンで少なくとも42%上回っている。
論文 参考訳(メタデータ) (2024-02-23T16:01:37Z) - ESGReveal: An LLM-based approach for extracting structured data from ESG
reports [5.467389155759699]
ESGRevealは企業報告から環境・社会・ガバナンス(ESG)データを効率的に抽出・分析するための革新的な手法である。
このアプローチは、検索拡張生成(RAG)技術で強化されたLarge Language Models (LLM)を利用する。
この効果は、2022年に香港証券取引所に上場した様々な分野の166社のESGレポートを用いて評価された。
論文 参考訳(メタデータ) (2023-12-25T06:44:32Z) - Leveraging BERT Language Models for Multi-Lingual ESG Issue
Identification [0.30254881201174333]
投資家は投資選択におけるESG基準の重要性をますます認識している。
ML-ESG(Multi-Lingual ESG Issue Identification)タスクは、ニュース文書を35の異なるESGイシューラベルに分類する。
本研究では,BERT言語モデルを用いた複数の手法を探索し,これらのラベル間のニュース文書の正確な分類を実現する。
論文 参考訳(メタデータ) (2023-09-05T12:48:21Z) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-06-05T12:58:13Z) - E2EAI: End-to-End Deep Learning Framework for Active Investing [123.52358449455231]
本稿では, ファクタ選択, ファクタ組み合わせ, 株式選択, ポートフォリオ構築を通じて, ファクター投資のほぼ全過程をカバーするE2Eを提案する。
実際の株式市場データの実験は、アクティブ投資におけるエンドツーエンドのディープ・リーン・フレームワークの有効性を示している。
論文 参考訳(メタデータ) (2023-05-25T10:27:07Z) - Bayesian Optimization of ESG Financial Investments [0.0]
ESG (Economic, Social and Governance) の基準は金融においてより重要になっている。
本稿では,数理モデリングとESGとファイナンスを組み合わせた。
論文 参考訳(メタデータ) (2023-02-10T15:17:36Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳(メタデータ) (2021-12-08T14:55:21Z) - A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding [69.37299910149981]
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。
本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
論文 参考訳(メタデータ) (2020-04-13T13:50:13Z) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳(メタデータ) (2020-02-09T08:10:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。