本文提出了一个在存在交易成本、市场冲击、流动性约束或风险限制等市场摩擦的情况下，使用现代深度强化学习方法对衍生品投资组合进行套期保值的框架。我们讨论了标准强化学习方法如何应用于非线性奖励结构，即本文中的凸风险度量。