Nous étudions l'apprentissage par imitation dans le contrôle de portefeuille en temps continu à l'aide du modèle de Merton et de son extension par diffusion avec sauts. Si le clonage comportemental (BC) s'adapte bien aux actions des experts sur les états générés par ces derniers, il devient instable en cas de changement de distribution induit par ses propres décisions de contrôle, en particulier en présence d'un risque de saut. Nous montrons que l'agrégation de données (DAgger) améliore considérablement la stabilité et la robustesse en corrigeant de manière itérative les erreurs hors support. En cas de spécification erronée du modèle, les erreurs de contrôle composées sont amplifiées, ce qui met en évidence la sensibilité de la dynamique financière aux écarts par rapport à la politique. Enfin, nous démontrons que le pré-entraînement basé sur l'imitation stabilise et accélère le PPO par rapport à un entraînement à partir de zéro. Nos résultats positionnent l'apprentissage par imitation comme un mécanisme de robustesse dans la prise de décision financière séquentielle en situation d'incertitude.