主要观点：
　　本篇是“学海拾珠”系列第二百二十七篇，文献设计了一个先进的投资组合配置框架，使用卷积神经网络获得资产价格的动态模式，并通过WaveNet对跨资产依赖性进行建模，结合DRL方法求解多期Bellman方程，获得最优长期投资组合配置。在不同持有期、风险厌恶系数、交易成本和不同指数上进行实证测试后，发现该方法较为优越。回到国内市场，我们也可以应用类似的深度强化学习模型进行组合构建。
　　投资者的长期优化问题
　　传统的投资组合选择方法通常考虑单期收益。Markovitz（1952）开创了均值-方差优化模型，是投资组合理论的基础。
　　文献提出一个基于DRL（含CNN和WaveNet）的投资组合框架来解决高维多周期环境下的优化问题，所设计的投资组合策略框架主要包括三个组成部分。首先，采用基于卷积神经网络（CNN）的序列信息来捕捉每种资产价格中的动态模式。其次，使用WaveNet对投资组合中资产之间的交叉依赖性进行建模，这在高维环境中尤为重要。最后，将以上两大部分作为DPG模型的输入来优化投资组合配置，将该方法表示为MP-Adv-DRL-Cor。
　　实证结果
　　投资组合的盈利能力随着投资期限的延长而增加，同时年度波动率也上升。风险厌恶系数λ的增加意味着投资者更倾向于选择保守策略以降低投资组合风险。这种偏好导致交易频率和投资活动减少，获得高额年回报和高夏普比率的可能性受到限制。交易成本的存在主要影响投资组合的盈利能力，而不会增加风险，它还对投资组合的换手率产生重大影响。在存在交易成本的情况下，投资者在投资机会随时间变化时调整投资组合权重的动机减少。
　　通常，MP-Adv-DRL-Cor方法的业绩表现优于其他比较方法。对于持有期h=1，交易成本ξ=0.05%和风险厌恶系数λ=0.1的条件下，基于机器学习的方法不一定优于等权重的简单方法。
　　风险提示
　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。