安定報道日時 2026-10-02 12:00
PPO-HRAP: リスク制御取引用ハイブリッドレジームアウェアポリシーを備えた近接ポリシー最適化
新しい強化学習ポリシーPPO-HRAPが導入され、リスクと報酬のバランスをより効果的に取ることでトレーディング戦略を改善します。
01
根拠
- AarXiv cs.AI一次情報2026-10-02 12:00
combines Proximal Policy Optimization with an interpretable regime prior