📖 摘要

提出AlphaRJM，用奖励跳跃记忆解决公式化alpha发现的延迟反馈问题。

🔑 关键词速览

AlphaRJM	一种用于公式化阿尔法发现的强化学习方法，通过奖励跳跃记忆和随机回报评论家解决延迟反馈问题。
Reward-Jump Memory	一种事件驱动的潜在状态，仅在评估事件时更新，以保留完整的评估历史。
SDE return critic	基于随机微分方程的回报评论家，用随机粒子表示未来折现回报的分布。
Formulaic alpha discovery	通过符号搜索自动发现量化交易中有效阿尔法因子的过程。
Distributional Bellman objective	一种用于学习回报分布的目标函数，结合能量距离匹配、均值校准和跳跃正则化。