{rfName}
AP

Indexado en

Altmetrics

Investigadores/as Institucionales

Garcia-Fernandez A.f.Autor o Coautor

Compartir

12 de diciembre de 2025
Publicaciones
>
Conferencia Publicada
No

APMPO: A Portfolio Management Policy Optimization Framework with Adaptive Reinforcement Learning Algorithm

Publicado en: ARTIFICIAL INTELLIGENCE IN EDUCATION. POSTERS AND LATE BREAKING RESULTS, WORKSHOPS AND TUTORIALS, INDUSTRY AND INNOVATION TRACKS, PRACTITIONERS, DOCTORAL CONSORTIUM AND BLUE SKY, AIED 2023. 2755 CCIS 389-404 - 2026-01-01 2755 CCIS(), DOI: 10.1007/978-981-95-4094-5_27

Autores:

Gu F; Jiang Z; García-Fernández ÁF; Stefanidis A; Su J; Li H
[+]

Afiliaciones

Universidad Politécnica de Madrid - Autor o Coautor
Xi'an Jiaotong-Liverpool University - Autor o Coautor

Resumen

Portfolio management refers to the strategic process of selecting and allocating financial assets to optimize returns while effectively managing risks. It encounters significant challenges in adapting to financial markets, managing nonlinear financial risks, and achieving sample efficiency in dynamic environments, which can result in poor robustness and decreased long-term performance. To address these challenges, this paper presents Adaptive Portfolio Management Policy Optimization (APMPO), a novel framework that, to the best of our knowledge, is the first to integrate neural stochastic differential equations within a Transformer architecture enhanced by meta-learning-inspired fast adaptation. APMPO introduces a multi-objective optimization scheme incorporating volatility-penalized advantage calculations and employs adversarial training combined with optimized experience replay for enhanced robustness. Comprehensive experiments conducted on five years of Dow Jones Industrial Average (DJIA) constituent stock data demonstrate that APMPO consistently outperforms existing methods, achieving at least 8.97% higher absolute cumulative returns and 24.9% higher Sharpe ratios than its competitors. These results suggest that APMPO provides a reliable and innovative solution to modern portfolio management challenges.
[+]

Palabras clave

Deep reinforcement learningPolicy optimizationPortfolio managementTransformer neural network

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista ARTIFICIAL INTELLIGENCE IN EDUCATION. POSTERS AND LATE BREAKING RESULTS, WORKSHOPS AND TUTORIALS, INDUSTRY AND INNOVATION TRACKS, PRACTITIONERS, DOCTORAL CONSORTIUM AND BLUE SKY, AIED 2023, Q4 Agencia Scopus (SJR), su enfoque regional y su especialización en Computer Science (Miscellaneous), le otorgan un reconocimiento lo suficientemente significativo en un nicho concreto del conocimiento científico a nivel internacional.

[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-06:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 2.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 2 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 7.
[+]

Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: China.

[+]