学习不公平交易：基于强化学习视角的市场操纵分析
交易与市场微观结构
2015-11-04 v1 机器学习
摘要
市场操纵是交易者用来改变金融证券价格的一种策略。其中一种操纵类型基于通过使用若干交易策略买卖资产的过程，其中幌骗(spoofing)是一种流行策略，并被市场监管机构视为非法。一些有前景的工具已被开发用于检测操纵，但市场中仍可见相关案例。本文中，我们建模了幌骗(spoofing)和 pinging 交易，这两种策略在法律背景上不同，但共享相同的市场操纵基本理念。我们在马尔可夫决策过程完全可观测与部分可观测条件下使用强化学习框架，并通过找出鼓励交易者进行欺诈活动的成因来分析操纵者的潜在行为。这揭示了应对该问题的程序，由于我们的模型预测了幌骗者的活动，这些程序可能对市场监管机构有所帮助。
引用
@article{arxiv.1511.00740,
title = {Learning Unfair Trading: a Market Manipulation Analysis From the Reinforcement Learning Perspective},
author = {Enrique Martínez-Miranda and Peter McBurney and Matthew J. Howard},
journal= {arXiv preprint arXiv:1511.00740},
year = {2015}
}
备注
7 pages, 4 figures, 3 tables