金融加密和数据安全，第436–454页。Springer，2014年。[8] 比特币：一个点对点电子现金系统。2008年。【9】Halperin，I.《QLBS：布莱克-斯科尔斯（-默顿）世界的Q-学习者》。ArXiv:1712.046092017。[10] Black，F.和Scholes，M.《期权和公司负债的定价》。《政治经济学杂志》，第81卷（3），637-6541973年。[11] 《理性期权定价理论》。《贝尔经济学和管理科学杂志》，第4卷（1），141-1831974年。[12] Watkins，C.J.和Dayan，P.Q-Learning，机器学习，8（3-4），179-192，1992年。[13] Buehler，H.，Gonon，L.，等人，《深度对冲》。ArXiv:1802.030422018。[14] Jiang，Z.，Xu，J.D.，等。金融投资组合管理问题的深度强化学习框架。ArXiv:1706.100592017。[15] Lillicrap，T.P.，Hunt，J.J.，等人，《深度强化学习的持续控制》。ArXiv:1509.029712016。[16] Liang，Z.，Chen，H.，等。港口管理中的对抗性深度强化学习。ArXiv:1808.099402018。[17] Schulman，J.，Wolski，F.，等人，《近端策略优化算法》。ArXiv:1707.063472017。[18] Baz，J.和Guo，H.《资产配置入门：联系马科维茨、凯利和风险平价》。太平洋投资管理公司，2017年。[19] Markowitz，H.M.投资组合选择。《金融杂志》，7（1），77–911952年。[20] Markowitz，H.M.《受线性约束的二次函数的优化》。海军研究后勤季刊，第三期，第111–133页，1956年。[21]Markowitz，H.M.《投资组合选择：投资的有效多元化》。约翰·威利父子，1959年。[22]Meucci，A.风险和资产配置。斯普林格，2005年。[23]Michaud，R.《高效资产配置：股票投资组合优化和资产配置实用指南》。哈佛商学院出版社，1998年。[24]Bailey，D.H.和López de Prado，M。

平衡篮子：交易和对冲风险的新方法。《投资策略杂志》，第1卷，第4期，第21-62页，2012年。[25]López de Prado，M.构建表现优于样本外的多元化投资组合。《投资组合管理杂志》，2016年。[26]Bailey，D.H.和López de Prado，M.投资组合优化关键线算法的开源实现。算法，6169–1962013。【27】Kelly，J.L.信息率的新解释。《贝尔系统技术杂志》，第917-9261956页。【28】Thorp，E.《21点、体育博彩和股市中的凯利标准》。《资产和负债管理手册》，北荷兰，1385-428，2006年。[29]Ethier，S.N.凯利系统最大化了财富中值。《应用概率杂志》，41（5）：1230–12362004。[30]Breiman，L.有利游戏的最佳赌博系统。过程。第四届伯克利研讨会。数学统计学家。问题。1, 65-78, 1961.[31]Bell，R.M.和Cover，T.M.对数投资的竞争最优性。运筹学数学，5（2）：161-166，1980年5月。[32]Bochman，A.你读到的关于Kelly标准的内容有一半是错误的。2018https://www.linkedin.com/pulse/half-what-youve-read-kelly-criterion-wrong-alon-bochman-cfa/【33】Bellman，R.和Kalaba，R.关于动态规划在统计传播理论中的作用。信息论，IRE交易，3（3）：197–2031957。[34]Mossin，J.最优多期投资组合政策。《商业杂志》，41（2）：215–2291968年。[35]Nekrasov，V.Kelly多元投资组合准则：无模型方法。SSRN，2014年。[36]Ziemba，W.T.回应Paul A.Samuelson教授对Kelly capital growth Investment的反对意见，投资组合管理杂志，42（1）：153–672015。[37]Laureti，P.，Medo，M.，等人，《Kelly最优投资组合分析》。

ArXiv:0712.27712009。[38]Markowitz，H.M.《长期投资：旧规则的新证据》。《金融杂志》，3127312861976年。【39】Cornuejols，G.和Tutunco，R.《金融优化方法》。第141页，卡内基梅隆大学，2006年1月。【40】维基百科。泰勒级数。https://en.wikipedia.org/wiki/Taylor_series#Natural_logarithm[41]Dama，M.Max Dama关于自动交易。第36页，2011年。http://isomorphisms.sdf.org/maxdama.pdf【42】Lo，A.W.《适应性市场：以思维速度的金融进化》。普林斯顿大学出版社，2017年第240页。【43】默顿，R.C.关于估计市场预期回报的探索性调查。《金融经济学杂志》，第8卷，第323-3611980页。[44]Lee W.基于风险的资产配置：一个老问题的新答案？《投资组合管理杂志》，37，11-282011年。[45]Melo，F.S.《q-学习的收敛：一个简单的证明》。研究所。《系统与机器人》，技术代表，第1-42001页。[46]Jaakkola，T.，Jordan，M.I.，等。随机迭代动态规划算法的收敛性。神经计算，1994年。【47】杜，X.，金健Z.，等。使用q-学习和循环强化学习的算法交易。职位，2009年1月。【48】Moody，J.，Wu，L.，等人，《交易系统和投资组合的绩效函数和强化学习》。《科学》，17（1997年2月），441-4701998年。[49]Jin，O.和El Saawy，H.利用强化学习进行投资组合管理。斯坦福大学，2016年。[50]Weijs，L.投资组合管理中的强化学习及其解释。鹿特丹伊拉斯谟大学，2018年。[51]Hasselt，H.、Guez，A.等人，学习多个数量级的价值观。ArXiv:1602.077142016。【52】Sutton，R.S.，McAllester，D.A.，等。函数近似强化学习的策略梯度方法。

神经信息处理系统，12，第1057–1063页，1999年。[53]Williams，R.J.连接主义强化学习的简单统计梯度跟踪算法。机器学习，8:229–256，1992年。[54]Degris，T.，Pilarski，P.M.，等人，在实践中采用连续行动的无模型强化学习。美国控制会议，2012年。【55】Silver，D.，Lever，G.，等人，《确定性策略梯度算法》。《第31届机器学习国际会议记录》（ICML-14），第387-3952014页。[56]Jiang，Z.PGPortfolio。Github，2017年。https://github.com/ZhengyaoJiang/PGPortfolio[57]Schulman，J.、Levine，S.等人，《信赖域策略优化》。ArXiv:1502.054772017.19【58】维基百科。MM算法。https://en.wikipedia.org/wiki/MM_algorithm.[59]何，K.，张，X.，等。图像识别的深度残差学习。IEEE计算机视觉和模式识别会议记录，770-7782016。[60]Schulman，J.高级政策梯度方法：自然梯度、TRPO等。OpenAI，2017年。[61]郭，Y.，傅，X.，等。带强化学习的鲁棒对数最优策略。ArXiv:1805.002052018。[62]Fu，X.具有强化学习的鲁棒对数最优策略。Github，2018年。https://github.com/fxy96/Robust-Log-Optimal-Strategy-with-Reinforcement-Learning[63]Yu，P.，Lee，J.S.，等人。基于模型的动态投资组合优化深度强化学习。ArXiv:1901.087402019年。【64】Goodfello，I.，Pouget Abadie，J.，等人，《生成性对抗网络》。《神经信息处理系统的进展》，第2672–26802014页。[65]Esteban，C.，Hyland，S.L.，等人。使用循环条件GANs生成实值（医学）时间序列。arXiv:1706.026332017。【66】Dasgupta，S.和Osogami，T.用于时间序列预测的非线性动态boltzmann机器。AAAI，pp。

1833–1839, 2017.【67】van den Oord，A.，Li，Y.，等人，《平行波网：快速高保真语音合成》。Dy，J.和Krause，A.（编辑），《第35届国际机器学习会议记录》，《机器学习研究会议记录》第80卷，第3918–3926页，2018年。【68】Ashby，W.R.《必要多样性及其对复杂系统控制的影响》。《系统科学的各个方面》，第405-417页，斯普林格出版社，1991.20