國立陽明交通大學金融科技創新研究中心

Contextual reinforcement learning for market making via multi-task self-supervised learning, Engineering Applications of Artificial Intelligence, 2026
EAAI（Engineering Applications of Artificial Intelligence）名列 JCR Automation & Control Systems 領域排名第 8，屬於Q1頂級期刊，此論文針對造市交易中強化學習面臨的概念漂移與泛化能力不足兩大挑戰，提出情境強化學習框架，以市場情緒指標作為情境資訊，讓代理人依不同市場情境調整掛單決策；此外提出結合多個金融領域知識輔助任務的自監督市場情境網路，以強化代理人對市場的理解，並採用持續學習中的重播式方法，挑選合適的歷史環境進行策略微調，以處理概念漂移與災難性遺忘。在台指選擇權的真實逐筆資料上，於相同庫存風險下，此策略在多項指標上持續優於最先進基準，單位風險獲利更佳，在極端行情中也能規避風險並穩定獲利。
https://doi.org/10.1016/j.engappai.2025.113196

Financial reinforcement learning under concept drift based on knowledge distillation and curriculum learning, Decision Support Systems, 2026
DSS（Decision Support Systems）公認為決策科學與智慧系統領域最具權威的指標期刊，亦名列AIS指定的資訊管理11本頂級核心期刊清單，此論文提出了具環境情緒感知、結合課程學習與知識蒸餾的強化學習造市框架：以基於市場情緒分析的突發概念漂移偵測器，在市場劇變時重構交易模型；以課程學習提升在大量時間區段環境中的學習效率，並以知識蒸餾處理每日的漸進式概念漂移。在台指選擇權資料上，PnL-MAP 提升 38.17%、夏普值提升 0.07，庫存風險則維持相當；測試期間約每週偵測到一次突發漂移。
https://doi.org/10.1016/j.dss.2026.114624

Portfolio management using online reinforcement learning with adaptive exploration and Multi-task self-supervised representation, Applied Soft Computing, 2025
ASC（Applied Soft Computing）屬於JCR COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS領域Q1頂級期刊，此論文提出 MT-Exp 框架，結合多任務自監督學習（MTSSL）與自適應探索（AdapExp）兩個模組：前者透過輔助任務從替代資料學習有意義的市場表徵，後者提高模擬環境的擬真度以提升 RL 訓練效率。真實市場回測顯示，其報酬比最先進模型高約 13%，且可搭配多種 RL 方法並大幅提升其表現。
https://doi.org/10.1016/j.asoc.2025.112846

Strategy allocation for financial trading using competitive reinforcement learning and fuzzy logic, Applied Soft Computing, 2025
ASC（Applied Soft Computing）屬於JCR COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS領域Q1頂級期刊。技術指標雖能辨識價格趨勢，但常只依賴單一交易方法，在動態且充滿雜訊的市場中效果有限。因此此論文提出多策略配置交易系統，由上層的全域管理者與下層的多個局部交易者組成；並引入模糊邏輯強化環境表徵，以因應市場雜訊，同時避免各交易策略的超參數過度擬合。系統以 15 分鐘頻率資料在台指期與 E-mini S&P 500 期貨市場上測試，結果顯示具穩健性與良好的進出場時機判斷能力。
https://doi.org/10.1016/j.asoc.2025.113927

Evolving intra-and inter-session graph fusion for next item recommendation, Information Fusion, 2025
Information Fusion 為JCR COMPUTER SCIENCE, THEORY & METHODS領域名列第4之Q1頂級期刊。此論文針對session 匿名、短且隨時間變化，以及靜態圖方法無法建模商品語意演化的問題，提出 EII-GNN。模型以全域動態圖建模跨 session 的商品轉移並在每個時間戳更新嵌入，以帶捷徑邊的單一 session 圖學習 session 內的複雜模式，並以歷史感知 GRU 納入使用者過去的 session，最後融合三者形成 session 表徵。模型在三個真實資料集上的表現優於最先進方法。
https://doi.org/10.1016/j.inffus.2024.102691

Multi-interest transfer using contrastive learning for cross-domain recommendation, Decision Support Systems, 2025
DSS（Decision Support Systems）公認為決策科學與智慧系統領域最具權威的指標期刊，亦名列AIS指定的資訊管理11本頂級核心期刊清單，此論文提出了用於跨領域推薦的多興趣轉移框架，運用Soft-attention 機制來確定各個興趣在目標商品上的權重，並結合圖結構與膠囊網路建構雙領域之間的相關性模型；此外，還特別設計了三項對比學習任務以進一步強化表徵能力，實驗結果顯示該方法在兩個常用資料集上能將推薦準確率提升高達 10%
https://doi.org/10.1016/j.dss.2025.114473

FairCDSR: Fairness-Aware Cross-Domain Sequential Recommendation Via Multi-Interest Transfer and Contrastive Learning, IEEE Transactions on Knowledge and Data Engineering, 2025
TKDE(IEEE Transactions on Knowledge and Data Engineering) 公認為資料探勘領域頂級期刊，亦為JCR COMPUTER SCIENCE, INFORMATION SYSTEMS領域名列第6之Q1期刊，此論文為首篇在跨領域序列推薦中處理並改善不同人口群體間公平性的研究。FairCDSR 以序列增強豐富弱勢群體的互動歷史，搭配困難負樣本的對比學習來減輕推薦不公平；再對各群體跨領域套用多興趣學習，並設計固定頻寬限制的興趣層級知識轉移演算法。結果顯示此方法顯著縮小優勢與弱勢群體的推薦差距，整體系統效能也提升 5–10%。
https://doi.org/10.1109/TKDE.2025.3582297

RGAL: Node-adaptive training strategies for reinforced graph adversarial learning, Pattern Recognition, 2025
Pattern Recognition 為JCR ENGINEERING, ELECTRICAL & ELECTRONIC領域之Q1期刊，此論文指出現有圖對抗訓練方法只處理節點特徵或圖結構其中一種擾動，而且對所有節點採用相同策略；提出 RGAL，以強化學習建模圖對抗訓練：利用 DDQN 代理人為每個節點決定新增邊、刪除邊、特徵擾動或不動作，在訓練中模擬多樣且具針對性的對抗情境，使模型在混合對抗設定下具更強的泛化能力。實驗顯示在保有對抗穩健性的同時，節點分類準確率比原始 GCN 在 Citeseer、Cora、PubMed 上分別提升 4.6%、3.5% 與 0.6%。此外還提出分別專注於特徵擾動與結構擾動的輕量變體 f-RGAL 與 e-RGAL，適用於資源受限或特定情境。
https://doi.org/10.1016/j.patcog.2025.112615

Evolving Knowledge Graph Representation Learning with Multiple Attention Strategies for Citation Recommendation System, ACM Transactions on Intelligent Systems and Technology, 2024
TIST(ACM Transactions on Intelligent Systems and Technology) 為JCR COMPUTER SCIENCE, INFORMATION SYSTEMS領域名列第9之Q1頂級期刊，此論文指出學術網路是動態的，而多數基於知識圖譜嵌入的引文推薦是為靜態圖設計，無法捕捉動態知識圖譜的結構演化；提出 EKGE 方法，把演化中的知識圖譜輸入時間序列模型學習結構演化模式，可產生各實體在不同時間點的嵌入而無須重新訓練，並採用多重注意力策略提升特徵擷取效率。實驗顯示預測準確率比其他 KGE 方法高 1.13%，加入注意力機制後可再提升 0.84%。
https://doi.org/10.1145/3635273

Credit Card Fraud Detection via Intelligent Sampling and Self-supervised Learning, ACM Transactions on Intelligent Systems and Technology, 2024
TIST(ACM Transactions on Intelligent Systems and Technology) 為JCR COMPUTER SCIENCE, INFORMATION SYSTEMS領域名列第9之Q1頂級期刊，此論文針對交易表徵不足、雜訊標籤與資料不平衡等挑戰，以及動態門檻、概念漂移與驗證延遲等實務需求，設計能擷取時空代表性特徵的詐欺偵測方法，並開發多個自監督輔助目標來建模持卡人行為序列；同時以智慧採樣剔除潛在雜訊標籤、降低資料不平衡。在兩個真實資料集上，F1 分數高於最常用的線上詐欺偵測方法。
https://doi.org/10.1145/3641283

A multi-agent virtual market model for generalization in reinforcement learning based trading strategies, Applied Soft Computing, 2023
ASC（Applied Soft Computing）屬於JCR COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS領域Q1頂級期刊，此論文提出由多個相互協作的生成對抗網路（GAN）組成的多代理人虛擬市場模型（MVMM），用來重現市場價格變化，並將代理人的動作疊加到當前狀態作為輸入，生成隨動作而變的下一個狀態。研究以 MVMM 生成的模擬市場資料取代真實歷史資料進行訓練。在 2019 年滬深 300 股指期貨回測中，訓練出的策略獲利提升 12%，且虧損風險低。
https://doi.org/10.1016/j.asoc.2023.109985

Attentive gated graph sequence neural network-based time-series information fusion for financial trading, Information Fusion, 2023
Information Fusion 為JCR COMPUTER SCIENCE, THEORY & METHODS領域名列第4之Q1頂級期刊，此論文以智能理財顧問為應用情境，學習不同商品之間的交叉相關並表示為複雜的關係網路，提出改良式關係網路與基於注意力的門控圖序列神經網路（GGSNN）。模型在圖的邊與節點上施加多頭圖注意力機制，並以類 GRU 的更新器學習圖狀態，最後以類 VQA 系統示範配對交易的應用，可用於市場狀況預測。
https://doi.org/10.1016/j.inffus.2022.10.006

Knowledge Distillation for Portfolio Management using Multi-agent Reinforcement Learning, Advanced Engineering Informatics, 2023
AEI（Advanced Engineering Informatics）為JCR ENGINEERING, MULTIDISCIPLINARY領域名列第4之Q1頂級期刊，此論文針對金融市場雜訊極高、難以用歷史資料訓練出穩定 RL 代理人的問題，先以角色感知的多代理人系統模擬波動的證券市場：三種主要角色在台灣證交所歷史資料上各自最大化目標，同時觀察並與其他代理人競爭；接著建立師生框架，把多代理人蒸餾出的市場資訊作為目標來訓練學生 RL 模型，此方法能在快速變化的市場中發展出獲利策略。
https://doi.org/10.1016/j.aei.2023.102096

Reinforced PU-learning with Hybrid Negative Sampling Strategies for Recommendation, ACM Transactions on Intelligent Systems and Technology, 2023
TIST(ACM Transactions on Intelligent Systems and Technology) 為JCR COMPUTER SCIENCE, INFORMATION SYSTEMS領域名列第9之Q1頂級期刊，此論文針對推薦系統僅有已購買正樣本與大量未標記資料，且現有負採樣方法缺乏彈性易導致誤判的問題，提出具備動態調整能力的 RHNSR 模型：該模型能結合多種負採樣策略，並運用集成學習依比例動態整合以取得最佳解。在三個真實推薦資料集上測試，此模型表現顯著優於最先進方法，其精準度 (precision) 與命中率 (hit ratio) 分別大幅提升 49.02% 與 37.41%。
https://doi.org/10.1145/3582562

Hierarchical Reinforcement Learning for Conversational Recommendation With Knowledge Graph Reasoning and Heterogeneous Questions, IEEE Transactions on Services Computing, 2023
TSC (IEEE Transactions on Services Computing) 為服務計算領域頂級期刊，亦名列JCR COMPUTER SCIENCE, SOFTWARE ENGINEERING領域排名第13之Q1期刊，此論文針對現有對話式推薦模型未能善用對話紀錄的缺點，提出基於階層式強化學習框架的對話推薦方法：該架構專為解決多輪與異質提問而設計，並能有效納入使用者回饋以線上更新推薦系統。在多個資料集上測試，此模型表現顯著優於最先進基準，且架構更貼近真實應用情境，能提供更豐富的推薦解釋。
https://ieeexplore.ieee.org/document/10107469/

Adaptive Adversarial Contrastive Learning for Cross-Domain Recommendation, ACM Transactions on Knowledge Discovery from Data, 2023
TKDD (ACM Transactions on Knowledge Discovery from Data) 為資料探勘領域頂級期刊，亦名列JCR COMPUTER SCIENCE, SOFTWARE ENGINEERING領域排名第8之Q1期刊，此論文提出 ACLCDR，以強化學習為對比學習任務產生自適應的增強樣本，並用多任務訓練策略搭配輔助任務聯合最佳化。在取自 Amazon 與豆瓣的九個跨領域任務上，Amazon 音樂與電影任務的 HR@10 與 NDCG@10 比最佳基準分別提升 25%、42.5%、16.3% 與 23.8%。
https://doi.org/10.1145/3630259

Member-augmented group recommendation with multi-interest framework and knowledge graph embeddings, IEEE Transactions on Computational Social Systems, 2023
TCSS (IEEE Transactions on Computational Social Systems) 為JCR COMPUTER SCIENCE, CYBERNETICS 領域名列第9之期刊，此論文提出結合知識圖譜嵌入的成員增強多興趣模型：以成員增強（MA）技術預測群組對成員未接觸商品的意見，並以多興趣框架建模多元偏好的變化，找出哪些興趣會影響群組決策。在 MaFengWo、Yelp 與 Meetup-NYC 上分別提升約 20%、10% 與 2%
https://doi.org/10.1109/TCSS.2023.3322732

Multiagent-based deep reinforcement learning for risk-shifting portfolio management, Applied Soft Computing, 2022
ASC（Applied Soft Computing）屬於JCR COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS領域Q1頂級期刊，此論文在實際交易成本模型下探討多期投資組合選擇問題，提出具兩層巢狀代理人結構的多代理人深度強化學習框架。每個代理人都配備以多尺度卷積網路（MCNN）與 EIIE 拓撲為基礎的策略網路，用來辨識資產特性並學習風險轉移行為；各局部代理人協作最佳化風險調整後指標，巢狀架構則在比例交易成本下最大化組合報酬。
https://doi.org/10.1016/j.asoc.2022.108894

Modeling Cross-session Information with Multi-interest Graph Neural Networks for the Next-item Recommendation, ACM Transactions on Knowledge Discovery from Data, 2022
TKDD (ACM Transactions on Knowledge Discovery from Data) 為資料探勘領域頂級期刊，亦名列JCR COMPUTER SCIENCE, SOFTWARE ENGINEERING領域排名第8之Q1期刊，此論文提出了多興趣結構模型來捕捉使用者的多種興趣，並以圖神經網路依據使用者的歷史與當前行為序列建構興趣圖，捕捉與不同興趣相關的複雜商品轉移模式。在三個真實資料集上，此方法優於最先進的 session 推薦系統，在 Jdata 資料集上的 Recall 提升 4%。
https://doi.org/10.1145/3532192

Sentiment-influenced trading system based on multimodal deep reinforcement learning, Applied Soft Computing, 2021
ASOC（Applied Soft Computing）屬於JCR COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS領域Q1頂級期刊，此論文提出結合強化學習、情緒分析與多模態學習三項技術的交易系統，讓代理人在決策時同時考量價格波動與新聞資訊；並設計影響力模型，刻畫新聞情緒與時間之間的關係。實驗結果顯示多模態代理人的績效比只看價格的代理人高出至少 13.26%，且在不同產業與多種評估指標下都具穩健性。
https://doi.org/10.1016/j.asoc.2021.107788

Google Sites

Report abuse