| 中文摘要 | 第8-10页 |
| 英文摘要 | 第10-12页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 选题意义和研究背景 | 第12-14页 |
| 1.1.1 选题意义 | 第12-13页 |
| 1.1.2 研究背景 | 第13-14页 |
| 1.2 研究发展和现状 | 第14-18页 |
| 1.3 本文结构和主要创新点 | 第18-20页 |
| 第2章 基础理论综述 | 第20-42页 |
| 2.1 标的资产价格过程 | 第20-21页 |
| 2.2 多层感知机 | 第21-24页 |
| 2.3 生成对抗网络及其变体理论基础 | 第24-30页 |
| 2.3.1 GAN模型 | 第24-26页 |
| 2.3.2 CGAN模型 | 第26-27页 |
| 2.3.3 ALI模型 | 第27-28页 |
| 2.3.4 WGAN和WGAN-GP模型 | 第28-29页 |
| 2.3.5 模型适用性分析 | 第29-30页 |
| 2.4 强化学习基础理论及其算法 | 第30-42页 |
| 2.4.1 强化学习概述 | 第30-32页 |
| 2.4.2 强化学习主要算法 | 第32-34页 |
| 2.4.3 DQN算法及其变体 | 第34-36页 |
| 2.4.4 基于策略优化的强化学习算法 | 第36-39页 |
| 2.4.5 模型适用性分析 | 第39-42页 |
| 第3章 GAN混合模型及其在资产路径构造上的应用探究 | 第42-58页 |
| 3.1 CWGAN-GP混合模型 | 第42-43页 |
| 3.2 ALI-CWGAN-GP混合模型 | 第43-44页 |
| 3.3 实证 | 第44-55页 |
| 3.3.1 实证数据和数据特征 | 第44-47页 |
| 3.3.2 CWGAN-GP混合模型构造标的资产价格路径实证分析 | 第47-52页 |
| 3.3.3 ALI-CWGAN-GP混合模型构造标的资产价格路径实证分析 | 第52-55页 |
| 3.4 本章小结 | 第55-58页 |
| 第4章 RL算法在资产配置的应用探究—动态资产配置策略 | 第58-72页 |
| 4.1 基于RL的资产配置策略实验设计 | 第58-59页 |
| 4.2 实证 | 第59-70页 |
| 4.2.1 实证数据和处理 | 第59-61页 |
| 4.2.2 基于5种深度强化学习算法的资产配置实证 | 第61-68页 |
| 4.2.3 应用CWGAN-GP的DQN和DDPG算法的资产配置实证探究 | 第68-70页 |
| 4.3 本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 附录 | 第74-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 学位论文评阅及答辩情况表 | 第83页 |
