市场博弈中的强化学习

金融市场投资者参与许多博弈——他们必须与其他代理人互动以实现其目标。其中包括那些直接与其市场活动相关的博弈，但也不能忽视影响人类决策及其作为投资者表现的其他方面。区分所有子博弈通常是毫无希望且耗费资源的。在本文中，我们研究了面对许多不同博弈的投资者如何在不完全了解博弈结构的情况下收集信息并形成决策。为此，我们将强化学习方法应用于市场信息论模型 (ITMM)。遵循 Mengel 的方法，我们可以尝试区分一类博弈 $\Gamma$ 以及第 $i$ 个代理人的可能行动（策略）$a^{i}_{m_{i}}$。任何代理人将整个博弈类划分为她/他认为相似的类比子类，因此对给定子类采用相同的策略。划分标准基于利润和成本分析。类比类和策略在学习过程的不同阶段进行更新。这一研究方向可以在多个方向上继续深入。