智能高效的投资组合分析对于个人投资者判断金融市场未来趋势,及时地调整投资组合、规避投资风险和提高投资收益具有重要意义。由于金融数据复杂、动态和非结构的特点,利用传统的数据分析方法很难发现金融市场运行规律。因此,借助深度强化学习算法强大的数据处理和分析能力进行投资组合分析为个人投资者提供有效的投资建议具有重要的研究价值。首先,本文查阅了大量的国内外研究文献,发现选股过程中因子指标数据的利用还有待提高,深度强化学习算法在投资组合分析领域的应用较少。针对上述情况,本文对投资组合中的选股问题,提出了一种基于改进型LSTM深度神经网络的多因子选股模型。对于因子指标数据的输入问题,本文改进了 LSTM深度神经网络来处理因子数据有效地提升了多种因子数据的利用率。通过多次实验的分析,选择了 Adam模型优化器来优化多因子选股模型的预测准确率。其次,本文尝试将深度强化学习算法应用于投资组合分析,构建了深度强化学习模型来模拟市场交易,实现了投资组合中每种资产的未来一段时间内的交易信号预测。方便个人投资者及时调整相应资产的权重,降低投资组合的风险和提高收益。为更真实的模拟市场环境,本文将相应资产的新闻数据加入到深度强化学习模型中,通过实验发现对于平衡投资组合的风险与收益有不错的效果。最后,为提升个人投资者的用户体验,本文设计开发了一个投资组合分析系统,将实验过程中的深度强化学习算法应用于系统中。该系统可以提供多因子选股、投资组合的资产选择和资产配置、投资组合收益和风险分析等功能。这对于深度强化学习算法在投资组合领域的应用与实践具有重要意义。