摘要：本文基于沪深300、上证50和中证500指数对应的股指期货5分钟高频数据，研究其长期均衡策略。在部分可观测马尔可夫决策过程框架下，改进近端策略优化（PPO）算法。通过构建包含价格、波动率与流动性因子的24维状态空间，建立市场微观结构与强化学习决策的映射关系。引入波动率自适应的动态裁剪机制，以提升策略的稳定性，并构建融合条件风险价值约束的混合奖励函数，从而为金融交易中的强化学习应用提供新的算法框架。

关键词： 强化学习;动态风险控制;跨品种套利;状态空间;动作空间;

DOI： 10.13768/j.cnki.cn11-3793/f.2025.0596

专辑： 经济与管理科学;信息科技

专题： 自动化技术;金融;证券;投资

分类号： TP181;F832.5