白話導讀｜不預測股價，也能管好一個投資組合

一句話：傳統投組策略都要先「預測未來股價」，但那在真實市場幾乎做不到；這篇改用強化學習直接學「該怎麼配置部位」，並把夏普比率寫進獎勵函數—— 平均報酬提高 39.0%、回檔降低 13.7%。

先問：這在解什麼問題？the problem

投資組合管理處理的是兩件事：部位大小（position sizing）與資源配置（resource allocation）。麻煩在於，傳統與通用的投組策略都需要把「未來股價」當成模型輸入—— 而未來股價在真實世界裡根本拿不到，這使得那類方法很難落地。

白話比喻：與其花力氣去算「明天天氣幾度」，不如直接學會「什麼情況下該帶幾件衣服」。這篇論文選的是後者。

怎麼做？用強化學習＋兩種神經網路the method

作者建立了一套 PMS（Portfolio Management System，投資組合管理系統），以強化學習為核心，分別搭配 CNN 與 RNN 兩種神經網路（對應 PMS_CNN 與 PMS_RNN 兩個版本）。真正的關鍵是他們提出的新獎勵函數：不是用「這筆賺多少」來獎勵模型，而是把夏普比率（Sharpe ratio）放進獎勵裡——等於一開始就要求模型「賺得穩」而不只是「賺得多」。

PMS 架構：略過「預測未來股價」這一步，直接以強化學習學習部位配置，並用含夏普比率的獎勵函數評價表現。

關鍵巧思：獎勵函數決定模型的性格what's new

① 把夏普比率寫進獎勵

用交易報酬當獎勵，模型會學成「衝很快但很晃」；改用含夏普比率的獎勵，模型自然學會兼顧波動。實驗結果：平均報酬增加 39.0%，回檔（drawdown）降低 13.7%。

② CNN 與 RNN 各有取捨

作者指出 PMS_CNN 更適合用來建構強化學習投組，但也誠實說明它的回檔風險是 PMS_RNN 的 1.98 倍——效果更好，但要承受更大的波動。

結果如何？（含作者自己指出的限制）the results

在測試的資料集中，PMS 在 台灣 50（TW50）與傳統類股上勝過基準策略；但作者也直接寫明：在金融類股資料集上，PMS 輸給其中一個基準策略。整體而言，PMS 在幾乎所有資料集上都能獲利、有效，且投資風險較低。

這種「贏在哪、輸在哪都講清楚」的寫法，正是這篇論文值得一讀的地方—— 含夏普比率的新獎勵函數確實提升了表現，也確實支撐了實際選股的資源配置。

閱讀原始論文（Springer） →

本頁為方便一般讀者理解的「白話導讀」，非論文原文；技術細節、實驗數據與完整結論請以正式發表版本為準。
出處：Mu-En Wu, Jia-Hao Syu, Jerry Chun-Wei Lin, Jan-Ming Ho, Portfolio Management System in Equity Market Neutral using Reinforcement Learning, Applied Intelligence, Vol. 51, pp. 8119–8131, 2021.