В вашей системе SAC — это, по сути, один сменный блок: он получает признаки рынка и выдаёт веса портфеля, а вся обвязка вокруг от него не зависит. Пробовали ли вы заменить SAC на что-то проще — обычную нейросеть без RL, бустинг с предсказанием доходностей, или вообще набор простых правил под каждый режим — оставив всё остальное как есть? Интересно, потому что если результат при такой замене заметно не падает, то главная ценность вашей работы не в RL, а в самой архитектуре вокруг него.
В вашей системе SAC — это, по сути, один сменный блок: он получает признаки рынка и выдаёт веса портфеля, а вся обвязка вокруг от него не зависит. Пробовали ли вы заменить SAC на что-то проще — обычную нейросеть без RL, бустинг с предсказанием доходностей, или вообще набор простых правил под каждый режим — оставив всё остальное как есть? Интересно, потому что если результат при такой замене заметно не падает, то главная ценность вашей работы не в RL, а в самой архитектуре вокруг него.