摘要。股票交易策略是指用于在金融市场上购买，出售或持有股票的明智决定的结构化方法。这些策略在管理风险的同时最大程度地提高回报方面起着至关重要的作用。多年来，交易策略已从专家驱动的，时间密集型的方法转变为合并机器学习算法，这些算法获得了大量的历史数据。股票交易策略已经从专家驱动的方法演变为结合机器学习算法以及最近的人工智能和深度学习技术。本文深入研究了对贸易中深厚的增强学习的利用。它概述了深入强化学习（DRL）原则及其与交易的相关性，随后探索了交易策略中使用的五个特定机器学习模型。每个模型都根据其特征，原理，优势和局限性详细介绍。此外，本文讨论了评估指标，并简要了解了同一股票内的潜在结果差异。讨论部分分析了所提出的模型的优势和弱点，并突出了其潜力。结论总结了所采用的方法以及观察到的结果，并提出了将DRL用于交易策略的未来研发的大概。