IMM: 通过AI做市，模仿强化学习方法在自动做市中的应用

文章预览

“ IMM: An Imitative Reinforcement Learning Approach with Predictive Representation Learning for Automatic Market Making ” 市场做市（MM）是通过持续下单以最大化风险调整收益的过程，面临库存风险、逆向选择风险和未执行风险等挑战。 传统MM方法依赖强假设的数学模型，而深度强化学习（RL）为适应市场动态的MM策略提供了新思路。 本文提出模仿市场做市者（IMM）框架，结合次优信号专家和直接策略互动的知识，设计基于预测信号的专家策略，通过RL与模仿学习结合进行高效训练。在四个真实市场数据集上的实验结果显示，IMM优于现有RL市场做市策略。 论文地址 ：https://www.ijcai.org/proceedings/2024/0663.pdf 摘要 通过强化学习（RL）市场做市（MM）在金融交易中受到关注，但现有方法多集中于单一价格层策略，难以应对频繁的订单取消和排队优先权丧失。多价格层策略更符合实际 ………………………………