强化学习是一种机器学习方法，它通过最大化状态和动作空间中的奖励函数，以几乎无模型的方式解决动态优化问题。这一特性使其成为金融问题研究的一个令人兴奋的领域。资产分配，其目标是在考虑风险和交易成本的特定市场状态下获得最大化回报的资产权重，这是一个使用强化学习框架很容易解决的问题。它首先是预期收益和协方差矩阵的预测问题，然后是收益、风险和市场影响的优化问题。投资者和金融研究人员一直在研究均值方差优化、最小方差、风险平价等方法，以及使预期收益和协方差矩阵的预测更加稳健的等权重和几种方法。

展示了 DRL 也可以应用于投资组合分配，因为金融中的非平稳数据具有各种技巧和适应。