谢文杰，男，湖南浏阳人，应用数学博士，上海市晨光学者。现任职华东理工大学商学院金融学系副教授、硕士研究生导师、金融物理研究中心成员，主要研究复杂金融网络、机器学习、深度强化学习、金融风险管理等。获2016年度上海市自然科学奖二等奖（4/5），主持完成4项国家或省部级科研项目。

周炜星，男，浙江诸暨人。教育部青年长江学者、上海领军人才、教育部新世纪优秀人才、上海市曙光学者、上海市青年科技启明星。现任职于华东理工大学商学院、数学学院，二级教授，博士生导师，金融物理研究中心主任。现兼任中国优选法统筹法与经济数学研究会理事、风险管理分会副理事长，中国系统工程学会理事、金融系统工程专业委员会副主任，管理科学与工程学会理事、金融计量与风险管理分会副理事长，中国工业统计教学研究会金融科技与大数据技术分会副理事长，中国数量经济学会经济复杂性专业委员会副理事长，中国复杂性科学学会副理事长。主要从事金融物理学、经济物理学和社会经济系统复杂性研究，以及相关领域大数据分析。

第 1章智能决策与复杂系统 . 1 

1.1智能决策.1 

1.1.1智能决策简介 . 1 

1.1.2复杂金融系统中的智能决策 . 2 

1.2复杂系统.4 

1.2.1复杂性科学 . 4 

1.2.2复杂系统定义 . 6 

1.2.3复杂系统类型 . 6 

1.2.4复杂系统研究 . 8 

1.3复杂环境特征 .13 

1.3.1完全可观察的和部分可观察的环境 . 13 

1.3.2单智能体和多智能体 . 14 

1.3.3确定的和随机的环境 . 14 

1.3.4片段式和延续式环境 . 15 

1.3.5静态和动态环境 . 15 

1.3.6离散和连续环境 . 16 

1.3.7已知和未知环境 . 16 

1.4复杂环境建模 .17 

1.5智能体建模 . 21 

1.5.1典型决策系统模型框架 .21 

1.5.2智能体建模框架 . 21 

1.6智能决策系统建模  24 

1.6.1问题提炼  24 

1.6.2数据采集  25 

1.6.3模型构建  26 

1.6.4算法实现  26 

1.6.5模型训练  26 

1.6.6模型验证  26 

1.6.7模型改进  27 

1.6.8模型运用  27 

1.7应用实践 . 27 

第 1章习题  29

第 2章人工智能与机器学习  30 

2.1人工智能简介 .30 

2.1.1人工智能 +农业  31 

2.1.2人工智能 +教育  31 

2.1.3人工智能 +工业  31 

2.1.4人工智能 +金融  32 

2.2人工智能前沿 .32 

2.3人工智能简史 .33 

2.4人工智能流派 .34 

2.4.1符号主义学派 35 

2.4.2联结主义学派 36 

2.4.3行为主义学派 37 

2.5人工智能基础 .37 

2.5.1运筹学.38 

2.5.2最优化控制  38 

2.5.3交叉学科  39 

2.5.4人工智能和机器学习相关会议  39 

2.6机器学习分类 .39 

2.6.1监督学习  41 

2.6.2无监督学习  41 

2.6.3强化学习  43 

2.7机器学习基础 .44 

2.7.1激活函数  44 

2.7.2损失函数  46 

2.7.3优化算法  50 

2.8应用实践 . 57

第 2章习题  58

第 3章深度学习入门 .59 

3.1深度学习简介 .59 

3.1.1深度学习与人工智能 . 59 

3.1.2深度学习与机器学习 . 59 

3.1.3深度学习与表示学习 . 61 

3.2深度神经网络 .62 

3.2.1深度神经网络构建 . 62 

3.2.2深度神经网络实例 . 64 

3.3深度卷积神经网络  68 

目录 

3.4深度循环神经网络  69 

3.5深度图神经网络.71 

3.5.1图神经网络简介 . 72 

3.5.2图神经网络聚合函数 . 72 

3.5.3图神经网络更新函数 . 72 

3.5.4图神经网络池化函数 . 73 

3.6深度神经网络训练  73 

3.6.1模型训练挑战 73 

3.6.2数据预处理  74 

3.6.3参数初始化  75 

3.6.4学习率调整  76 

3.6.5梯度优化算法 77 

3.6.6超参数优化  78 

3.6.7正则化技术  80 

3.7应用实践 . 80 

3.7.1 TensorFlow安装.81 

3.7.2 TensorFlow基本框架  81 

3.7.3 TensorBoard.82 

3.7.4 scikit-learn  82 

3.7.5 Keras83

第 3章习题  83

第 4章强化学习入门 .84 

4.1强化学习简介 .84 

4.2马尔可夫决策过程  86 

4.3动态规划方法 .87 

4.3.1策略函数  88 

4.3.2奖励函数  88 

4.3.3累积回报  89 

4.3.4状态值函数  89 

4.3.5状态-动作值函数 .90 

4.3.6状态-动作值函数与状态值函数的关系  90 

4.3.7 Bellman方程  91 

4.3.8策略迭代算法 92 

4.3.9值函数迭代算法 . 95 

4.4蒙特卡洛方法 .97 

4.4.1蒙特卡洛估计 97 

4.4.2蒙特卡洛强化学习算法伪代码 .100 

· VII · 

4.5时序差分学习 100 

4.5.1时序差分学习算法  100 

4.5.2时序差分学习算法、动态规划和蒙特卡洛算法比较  101 

4.5.3 Q-learning102 

4.5.4 SARSA.104 

4.6策略梯度方法 105 

4.7应用实践  110 

4.7.1强化学习的智能交易系统框架 .110 

4.7.2智能交易系统环境模型编程 . 110

第 4章习题 .116

第 5章深度强化学习 Q网络 . 117 

5.1深度 Q网络 . 117 

5.1.1智能策略 . 117 

5.1.2策略函数与 Q表格 . 118 

5.1.3策略函数与 Q网络 . 120 

5.2 DQN算法介绍  121 

5.2.1经验回放 . 121 

5.2.2目标网络 . 122 

5.3 DQN算法 .123 

5.4 DoubleDQN  125 

5.4.1 Double DQN背景  125 

5.4.2双 Q网络结构126 

5.4.3 Double DQN算法伪代码 . 127 

5.5 Dueling DQN128 

5.5.1 Dueling DQN算法框架简介  128 

5.5.2 Dueling DQN算法核心思想  128 

5.6 Distributional DQN . 129 

5.7 DQN的其他改进  130 

5.7.1优先级经验回放  131 

5.7.2噪声网络 DQN . 132 

5.7.3多步（Multi-step）DQN134 

5.7.4分布式训练 . 135 

5.7.5 DQN算法改进 . 136 

5.7.6 DQN算法总结 . 136 

5.8应用实践  137 

5.8.1智能投资决策系统  137 

5.8.2核心代码解析 .139 

目录 

5.8.3模型训练 . 140 

5.8.4模型测试 . 142

第 5章习题 .143

第 6章深度策略优化方法 . 144 

6.1策略梯度方法简介 . 144 

6.1.1 DQN的局限 . 144 

6.1.2策略梯度方法分类  145 

6.2随机性策略梯度算法 . 147 

6.2.1轨迹数据 . 147 

6.2.2目标函数 . 147 

6.2.3梯度计算 . 148 

6.2.4更新策略 . 150 

6.3随机性策略梯度定理 . 150 

6.3.1随机性策略梯度定理介绍 . 150 

6.3.2随机性策略梯度定理分析 . 151 

6.4策略梯度优化几种实现方法  152 

6.4.1策略梯度优化理论  152 

6.4.2完整轨迹的累积奖励回报 . 152 

6.4.3部分轨迹的累积奖励回报 . 153 

6.4.4常数基线函数 .153 

6.4.5基于状态的基线函数 153 

6.4.6基于状态值函数的基线函数 . 154 

6.4.7基于自举方法的梯度估计 . 154 

6.4.8基于优势函数的策略梯度优化 .154 

6.5深度策略梯度优化算法.155 

6.6置信阈策略优化算法 . 157 

6.6.1置信阈策略优化算法介绍 . 157 

6.6.2重要性采样 . 158 

6.6.3置信阈策略优化算法核心技巧 .160 

6.6.4置信阈策略优化算法伪代码 . 160 

6.7近端策略优化算法 . 162 

6.7.1近端策略优化算法介绍162 

6.7.2近端策略优化算法核心技巧 . 162 

6.7.3近端策略优化算法（PPO2）伪代码 .164 

6.8应用实践  165 

6.8.1模型参数 . 166 

6.8.2模型训练 . 167 

· IX · 

6.8.3模型测试 . 167

第 6章习题 .168

第 7章深度确定性策略梯度方法  169 

7.1确定性策略梯度方法应用场景 169 

7.2策略梯度方法比较 . 170 

7.3确定性策略函数的深度神经网络表示 . 172 

7.4确定性策略梯度定理 . 173 

7.5深度确定性策略梯度算法  175 

7.5.1算法核心介绍 .175 

7.5.2经验回放 . 176 

7.5.3目标网络 . 176 

7.5.4参数软更新 . 177 

7.5.5深度确定性策略梯度算法伪代码  178 

7.6孪生延迟确定性策略梯度算法 179 

7.6.1 TD3算法介绍  179 

7.6.2 TD3算法的改进 179 

7.6.3 TD3算法伪代码 181 

7.7应用实践  183 

7.7.1核心代码解析 .183 

7.7.2模型训练 . 184 

7.7.3模型测试 . 184

第 7章习题 .185

第 8章 Actor-Critic算法 186 

8.1 Actor-Critic简介  186 

8.2 AC算法 .187 

8.2.1 AC算法介绍 . 187 

8.2.2 AC算法参数更新.188 

8.2.3 AC算法伪代码 . 189 

8.3 A2C算法190 

8.3.1 A2C算法介绍  190 

8.3.2优势函数和基线函数 192 

8.3.3 A2C算法伪代码 193 

8.4 A3C算法193 

8.4.1 A3C算法介绍  194 

8.4.2 A3C算法的改进和优化 .194 

8.4.3 A3C算法伪代码 196 

8.5 SAC算法 . 197 

目录 

8.5.1 SAC算法介绍  197 

8.5.2智能体动作多样性  198 

8.5.3 SAC算法理论核心 . 199 

8.5.4 SAC算法伪代码201 

8.6应用实践  203 

8.6.1核心代码解析 .203 

8.6.2模型训练 . 204 

8.6.3模型测试 . 204

第 8章习题 .205