详细信息：

针对人工经验在系统性风险等宏观因素影响下的商业银行风险定价策略容易产生决策偏差的问题，基于商业银行有效防控风险的同时亦实现经营收益最大化的需求，对Deep Deterministic Policy Gradient（DDPG）和Deep Q-Learning（DQN）强化学习算法进行创新性改进，并综合应用强化学习、仿真模拟、深度学习等多种前沿技术，研发基于深度强化学习技术的商业银行风险定价决策支持系统，达到实现系统性风险等宏观因素约束下商业银行风险定价最优策略的效果，有助于商业银行在受到系统性风险等宏观因素影响下通过人工智能策略获得的经营收益优于银行既有策略下的收益，提升商业银行风险定价水平和综合竞争力。