深度強化學習法於金融科技時間序列預測之研究

本計劃將建構一個基於強化學習的早期預測框架，不僅探討了早期預測的重要性、文字型態時間序列的分析價值與強化學習的應用，並將此框架應用至金融科技(Fintech)相關的議題。過去在使用強化學習解決時間序列問題時，多採用固定長度的資料來進行建模，本模型將藉由演算法的設計，使輸入變數可以為不固定長度的時間序列資料，預期將可提升本模型的泛用性並更適合將之運用至實務案例。此項研究將有助於提升早期預測、金融科技以及時間序列資料研究之學術成果。