Управление сложными системами: новый подход к нелинейным процессам
![В ходе обучения, насчитывающего 1000 итераций с шагом [latex]\delta_{t} = 0.02[/latex], оптимальное управление, функция ценности и траектории состояния агента 11 в игре с портфелем Мертона продемонстрировали сходимость к эталонным показателям, что указывает на эффективность предложенного подхода.](https://arxiv.org/html/2604.05398v1/x8.png)
В статье представлен алгоритм обучения с подкреплением, позволяющий эффективно управлять системами, подверженными скачкообразным изменениям и непрерывным флуктуациям.
![В ходе обучения, насчитывающего 1000 итераций с шагом [latex]\delta_{t} = 0.02[/latex], оптимальное управление, функция ценности и траектории состояния агента 11 в игре с портфелем Мертона продемонстрировали сходимость к эталонным показателям, что указывает на эффективность предложенного подхода.](https://arxiv.org/html/2604.05398v1/x8.png)
В статье представлен алгоритм обучения с подкреплением, позволяющий эффективно управлять системами, подверженными скачкообразным изменениям и непрерывным флуктуациям.

Новое исследование показывает, что учет широкого спектра факторов в моделировании ценообразования активов позволяет добиться более точных и устойчивых результатов на рынках акций и облигаций.
В статье представлена инновационная модель распределения активов, учитывающая изменяющиеся рыночные условия и кластеризацию коэффициентов эффективной границы.
Исследование предлагает инновационный метод оптимизации инвестиционных портфелей, основанный на прогнозировании оптимальной точки на эффективной границе.
![При использовании синтетического решателя наблюдается соответствие выпуклой задачи эталонному показателю [latex]k^{-2}[/latex], в то время как стабилизация с помощью гребневой регрессии приближается к линейной скорости сходимости, при этом ускорение на графических процессорах становится значительным при работе с большими нередуцированными факторами.](https://arxiv.org/html/2604.02917v1/x6.png)
Новый подход позволяет эффективно решать задачу оптимизации портфеля, используя современные методы машинного обучения и возможности GPU-ускорения.