近年来,金融行业飞速发展,量化交易的投资方式已在新形势下崭露头角。而随着Alpha Go击败职业围棋选手李世石,深度强化学习带来了新一轮的人工智能热潮,更是引发了人们对于“决策智能体”应用于金融市场的无限遐想。本文立足于金融市场的实际背景,将数字货币视为一种重要的海外资产,对深度强化学习应用于数字货币市场的量化交易问题进行了探究,主要的研究工作如下:（1）建立数学模型:抽象出交易决策过程中的主体、元素以及交互过程,将“赋予智能体交易决策能力”转化为“数学目标”来表述,构建了基于深度强化学习的量化交易决策模型。（2）在前人研究的基础上改进了深度强化学习模型的建模方式,一方面,基于遗传算法,改进其中对于市场状态的抽象;另一方面,在传统DQN算法的基础上,提出基于自注意力（Self-Attention）机制与长短期记忆（LSTM）神经网络的价值网络结构。对比实验表明,经过改进的模型在多个市场中均表现出更好的效果,能够在规避市场风险的同时提高投资决策收益。（3）为了将算法模型应用于交易实践,本文构建了完整的量化交易系统,将决策智能体的训练、回溯测试、自动交易三个部分结合起来,并提供了交互界面,实现并应用了端到端的金融交易策略。本文的研究在一定程度上拓展了深度强化学习的应用范围,丰富了金融投资的工具,发挥了深度强化学习的独特性与优越性,提供了一个更加稳健的交易策略与交易系统,在满足了应用需求的同时,也具有一定的学术价值,有助于量化交易决策的信息化、智能化。