经纪业务的在线学习理论
机器学习
2023-10-19 v1
摘要
我们从在线学习的角度研究交易者之间的经纪业务。在任意轮次 ，两名交易者带着其私有估值到达，经纪商提出一个交易价格。与在线学习文献中已研究的其他双边贸易问题不同，我们关注不存在指定的买方和卖方角色的情况：每个交易者将根据商品的当前价格尝试买入或卖出。我们假设代理人的估值独立同分布地抽取自一个固定但未知的分布。若该分布承认由某常数 界定的密度，则对于任意时间范围 ：● 若代理人的估值在每次交互后揭示，我们提供一种达到遗憾 的算法，并证明该速率在常数因子内是最优的。● 若每次交互后仅揭示其在提议价格下买入或卖出的意愿，我们提供一种达到遗憾 的算法，并证明该速率在常数因子内是最优的。最后，若我们放弃有界密度假设，我们证明在第一种情况下最优速率退化为 ，而在第二种情况下问题变得不可学习。
引用
@article{arxiv.2310.12107,
title = {An Online Learning Theory of Brokerage},
author = {Nataša Bolić and Tommaso Cesari and Roberto Colomboni},
journal= {arXiv preprint arXiv:2310.12107},
year = {2023}
}