保险学院教师金博轶作为独立作者在期刊IEEE Acess发表论文“A Mean-VaR Based Deep Reinforcement Learning Framework for Practical Algorithmic Trading”。该期刊为SCI中科院分区三区，影响因子为3.9，属我校A2类期刊。

论文提出了一种解决股票市场交易活动中最优投资组合问题的创新算法。我们的投资组合交易策略利用三个特征在真实市场环境中胜过其他基准策略。首先，我们提出了一个基于mean-VaR投资组合优化模型，该模型的求解基于行动者-评论家体系结构。与现有的学习累积收益预期的文献不同，批评者模块通过分位数回归学习累积收益分布，行动者模块通过最大化优化模型的目标函数来输出最优投资组合权重。其次，我们使用线性转换函数来实现卖空，以确保投资者在熊市中有获利机会。第三，采用一种称为Apex的多线程方法来加快深度强化学习训练的速度。为了验证我们提出的方法，我们对两个有代表性的投资组合进行了回溯测试，并观察到本文中提出的模型优于基准策略。

金博轶，山东财经大学保险学院教授。2011年6月毕业于上海财经大学获经济学博士学位。2011年8月起任职于山东财经大学保险学院，研究方向包括金融风险管理、精算学。在《数量经济与技术经济》《中国管理科学》《保险研究》等期刊杂志发表学术论文数十篇，主持教育部社科规划基金青年项目1项，研究成果获得山东省人文社科优秀成果奖1项。

（供稿审核人：于文广）