基于库存清算成本的自适应最优市场做市策略
计算与语言
2024-05-21 v1 机器学习
摘要
本文提出了一种新颖的离散时间高频市场做市方法，能够得到闭式解解。通过利用以随机系数线性关系描述的报价 bid 和 ask 价差的需求函数，我们对限价订单在限价订单簿（LOB）中部分成交的波动性进行建模。结果揭示了需求随机性如何影响最优报价策略的新模式。我们还允许价格过程遵循更一般的动力学，不需要假设其为布朗过程或鞅，这是文献中常见的做法。我们最重要的优化报价策略特征是其能够在线上对市场订单的行为进行响应或适应。使用 LOB 数据，我们对模型进行训练，并在给定测试日期上使用 LOB 中实际订单流，复现该最优策略预期的最终盈亏。我们的自适应最优策略优于非自适应策略和在 midprice 固定距离报价限价单的策略。
引用
@article{arxiv.2405.11446,
title = {MAML-en-LLM: Model Agnostic Meta-Training of LLMs for Improved In-Context Learning},
author = {Sanchit Sinha and Yuguang Yue and Victor Soto and Mayank Kulkarni and Jianhua Lu and Aidong Zhang},
journal= {arXiv preprint arXiv:2405.11446},
year = {2024}
}
备注
KDD 2024, 11 pages(9 main, 2 ref, 1 App) Openreview https://openreview.net/forum?id=JwecLNhWDy&referrer=%5BAuthor%20Console%5D(%2Fgroup%3Fid%3DKDD.org%2F2024%2FResearch_Track%2FAuthors%23your-submissions)