配对交易是一种应用非常广泛的量化投资策略,该策略可分为交易对的选择和交易机会的发现两个步骤。目前国内外对选择交易对的研究已经比较成熟,主要有距离法、随机价差法和协整法。但随着信息技术的发展,交易频度越来越高,面对海量的历史交易信息,投资者很难在嘈杂动态的金融市场中发现交易机会。本文提出一种基于深度强化学习的配对交易策略,该策略将深度强化学习模型与配对交易相结合能够自适应市场变化,首先通过相关性分析对资产进行预选择,再利用EG两步法对预选资产进行协整检验,最后通过深度强化学习模型自动发现交易机会。其主要贡献有以下两个方面:一方面将深度强化学习方法与配对交易相结合,深度强化学习模型中采用Actor-Critic强化学习方法,能进行单步更新且输出策略比较稳定。另一方面使用LSTM方法自动发现动态市场特征,避免了人工提取特征的主观性,极大的提高了配对交易中发现交易机会的能力。最后本文选取交易频度高、市场分散的资产中具有代表性的数字货币作为实验对象,实验结果表明该策略在高频自动量化交易的场景中有较好的理论与应用价值。