周二清晨，鹏城南山区的阳光透过百叶窗，在书房的地板上切割出明暗相间的条纹。林晨坐在电脑前，左手边是半杯早已冷却的美式咖啡，右手边的屏幕上闪烁着复杂的代码。
距离T厂HR承诺的“最晚周二中午前出结果”，还有三个小时。
他没有干等。等待的焦虑反而转化成了专注的能量——与其盯着时钟一分一秒地煎熬，不如把这段时间变成技术打磨的宝贵窗口。
投资系统昨晚又完成了一轮交易。林晨打开账户管理后台，最新净值曲线平稳向上，过去一周的累计收益率达到了3.2%。对于一个全自动运行、风险严格控制的多市场量化策略来说，这个数字已经相当可观。
但林晨盯着仓位管理模块的日志，眉头微微皱起。
“问题出在仓位调整上。”他自言自语，手指在键盘上敲击着调出详细交易记录，“系统识别到了黄金期货的趋势突破信号，但加仓速度太保守了。”
日志显示，系统在确认趋势后的六个交易小时内，分三次将仓位从初始的5%提升到15%。而根据林晨手动回测的经验，在那种明确的多头行情中，完全可以在确认信号后的第一个小时就加到12%，第二个小时达到20%上限。
“还是太机械了。”林晨靠在椅背上，望着窗外腾讯大厦的玻璃幕墙，“固定的仓位调整规则，没法适应不同市场、不同波动率环境下的最优策略。”
这个发现让他既兴奋又紧迫。兴奋是因为找到了明确的优化方向，紧迫是因为他知道，如果现在不解决这个问题，等真正入职T厂开始高强度工作后，这个个人项目很可能会被搁置。
他点开手机，给张伟发了条微信：“老张，强化学习在量化仓位管理上有成熟案例吗？”
几分钟后，张伟的电话直接打了过来。
“你小子还真是不闲着啊。”张伟的声音带着晨起的沙哑，“等offer的当口还在折腾系统？”
“总比干等强。”林晨笑了笑，“你了解这块吗？”
“略知一二。华尔街那边几年前就开始用DRL（深度强化学习）做动态仓位管理了，不过大部分是高频策略。你想做的是中低频吧？”
“对，日级别到小时级别的调仓。”
“那可以试试DQN（深度Q网络）或者PPO（近端策略优化）。”张伟显然对这个话题很感兴趣，“关键是要设计好状态空间、动作空间和奖励函数。状态得包括市场数据、技术指标、账户
（本章节未完结，点击下一页翻页继续阅读）
正在加载...