高频交易遇到强化学习：利用交易算法的迭代性质-研究论文

【文件属性】：
文件名称：高频交易遇到强化学习：利用交易算法的迭代性质-研究论文
文件大小：1.06MB
文件格式：PDF
更新时间：2021-05-20 07:45:12
High-frequency trading algorithmic trading market-making 基于随机逼近理论，我们在限价单中提出了一个做市商的优化框架。 在最佳清算策略的背景下，我们考虑了Lavelelle，Lehalle和Pagès的文章中类似于Avellaneda-Stoikov模型的离散时间变体。 想法是利用更新出价和要价的过程的迭代性质，以使算法在反复试验的基础上（即在线学习）优化其策略。 这种方法的优点是，通过算法对系统的探索是在运行时执行的，因此不需要像随机控制方法那样对价格动态进行明确的说明。 正如将要讨论的那样，我们的方法的原理可以扩展到除做市商以外的更广泛的算法交易战术问题类别。