1. 毕业设计（论文）的内容和要求

机器学习特别是深度学习在很多领域大展身手，比如图像分类、人脸识别、自然语言处理、自动驾驶上都有很好的应用。

特别是深度学习、深度强化学习等在金融领域也已经有所运用，比如说指数预测、择时交易、投资组合策略、价格预测、波率预测、算法交易和金融风控等。

本文所讨论与研究的问题是投资领域的热点，深度强化学习对于优化投资组合及加强投资盈利性也有促进作用。

2. 参考文献

1]基于深度组合的选股策略[OL]. https://mp.weixin.qq.com/s/tzNfQbzAHhgemY87ErScKQ [2]齐岳、黄硕华.基于深度强化学习DDPG算法的投资组合管理[J].计算机与现代化，2018.(5). [3]基于风险中性的深度学习选股投资策略 https://bigquant.com/community/t/topic/125440 [4] Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm. Quantitative Equity Investing.John Wiley Sons,2010.3. [5]daonaldo.深度强化学习选股[OL]. https://bigquant.com/community/t/topic/112961 [6]A Deep Reinforcement Learning Framework for the Financial Portfolio Management Problem[OL]. https://arxiv.org/abs/1706.10059. [7]王小川.Python与量化投资：从基础到实战[M].电子工业出版社，2018.3. [8]何海群.零起点TensorFlow与量化交易[M].电子工业出版社，2018.4

3. 毕业设计（论文）进程安排

（1）2018年12月19日-2019年12月22日 任务书下达 （2）2018年12月22日-2019年1月12日 收集资料，熟悉课题，了解课题背景算法，查询文献，完成开题报告 （3）2019年2月1日-2019年2月15日 初步掌握python、tensorflow或bigquant，获取相关股票历史数据，了解相关主要算法。

（4）2019年2月15日-2019年3月1日 确定课题采用的主要算法，熟悉python。

（5）2019年3月1日-2019年6月1日 读文献，课题学习、研究，编写程序或调优参数（bigquant平台）。