We present a new portfolio policy convolutional neural network architecture, WaveCorr, for deep reinforcement learning applied to portfolio optimization. WaveCorr is the first to treat asset correlation while preserving “asset invariance property”, a new permutation invariance property that significantly increases the stability of performance in problems where input indexing is done arbitrarily. A general theory is also derived for verifying this property in other fields of application. Our experiments show that WaveCorr consistently outperforms other state-of-the-art convolutional architectures.

中文翻译：

---

WaveCorr：用于投资组合管理的具有排列不变卷积策略网络的深度强化学习

我们提出了一种新的投资组合策略卷积神经网络架构 WaveCorr，用于将深度强化学习应用于投资组合优化。WaveCorr 是第一个在保留“资产不变性”的同时处理资产相关性的方法，这是一种新的排列不变性，可以显着提高任意输入索引问题中的性能稳定性。还导出了一个通用理论，用于在其他应用领域验证该特性。我们的实验表明，WaveCorr 始终优于其他最先进的卷积架构。