多智能体模拟股票市场中的深度 Q 学习做市商
机器学习
2021-12-10 v1 人工智能
摘要
做市商通过提供流动性在金融市场中扮演关键角色。他们通常用买卖限价单填充订单簿，为交易者提供可操作的其他价格水平。本文正是从智能体角度研究这些做市商策略。特别地，我们提出应用强化学习（Reinforcement Learning, RL）在模拟股票市场中创建智能做市商。本研究分析了 RL 做市商智能体在非竞争性（仅一个 RL 做市商同时学习）和竞争性（多个 RL 做市商同时学习）场景下的行为，以及它们如何在 Sim2Real 范围内调整策略，并取得了有趣的结果。此外，本文涵盖了不同实验间的策略迁移应用，描述了竞争环境对 RL 智能体性能的影响。RL 和深度 RL 技术被证明是盈利的做市商方法，有助于更好地理解它们在股票市场中的行为。
引用
@article{arxiv.2112.04494,
title = {Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market},
author = {Oscar Fernández Vicente and Fernando Fernández Rebollo and Francisco Javier García Polo},
journal= {arXiv preprint arXiv:2112.04494},
year = {2021}
}
备注
Presented at 2nd ACM International Conference on AI in Finance