近年来人工智能在量化投资中扮演着越来越重要的角色,强化学习算法也被广泛地应用其中。为进一步探讨强化学习在量化投资中的应用,本文基于隐马尔可夫模型和强化学习算法对医药板块的量化投资策略展开研究,为投资者在进行交易决策时提供指导意见。首先本文随机抽取了十家医药板块的上市公司,使用其14个指标进行分析建模,根据高斯-隐马尔可夫模型对每支股票的市场状态进行离散化,由此来确定市场环境;同时根据AIC/BIC准则确定每支股票的最可能的隐状态数;以东北制药为例,其隐状态应分为四个,其发射函数的均值分别为0.000024,-0.000155,-0.000299,-0.000032,这也为后文的强化学习模型提供了所需的市场环境。其次本文分别基于马尔可夫决策过程（MDP）的强化学习和考虑离散状态居留时间的强化学习建立量化交易模型,其中这两种模型思想不同的是:前者认为当前市场状态与历史状态无关,而后者在前一模型的基础上考虑了市场状态的居留时间。因此除市场环境状态不同,两种强化学习模型的动作设置均为0（持有）,1（买入）,2（卖出）,同时学习率、奖励衰减因子等参数值的设置也均一致。本文通过对两种投资模型进行实证分析得到各支股票的量化投资策略,在所测试的十只股票中,基于MDP的强化学习模型所获得的平均累计收益率和平均年化收益率分别为72.26%、26.30%,考虑离散状态居留时间的强化学习模型相对应的两种收益率分别为123.00%、43.27%,市场买入持有策略相对应的两种收益率分别为-29.65%、-19.13%,因此这两种过程下的强化学习量化投资策略要优于市场的买入持有策略。最后本文使用年化收益率、累计收益率、夏普比率、收益波动率等模型性能指标对比了两种强化学习量化投资策略。在所测试的十只股票中,前一强化学习模型平均夏普比率为51.58%,平均信息比率为59.07%;后一强化学习模型所获得的平均夏普比率为85.06%,平均信息比率为93.40%;因此考虑离散状态居留时间的强化学习模型不仅所获得的收益高,而且在相同风险下,该模型可以获得更高的超额回报。综上所述,通过研究可以得出考虑离散状态居留时间的强化学习模型可以获得良好的投资效益。