AI金融分析，强化学习应用于高频做市策略分析

文章预览

“ Reinforcement Learning in High-frequency Market Making ” 论文地址 ：https://arxiv.org/pdf/2407.21025 摘要 本文提出了一种新的、全面的理论分析方法，用于在高频市场制造中应用强化学习。该方法将现代强化学习理论与高频金融经济学中的连续时间统计模型相结合。与现有大多数关于开发各种强化学习方法解决市场制造问题的方法论研究不同，本文旨在提供理论分析。 我们针对采样频率的影响进行了研究，并发现在调整时间增量∆的值时，存在一个有趣的误差和RL算法复杂度之间的权衡——随着∆变小，误差会变小，但复杂度会变大。我们还研究了在一般和游戏框架下的两个玩家情况，并建立了当∆→0时，纳什均衡收敛于连续时间游戏均衡的理论。我们应用纳什Q学习算法来解决均衡问题。我们的理论不仅有助于从业者选择采样频率，而且非常通用，适用于其他 ………………………………