Market Making without Regret
创建于 更新于
摘要
本文针对在线市场做市问题，提出了一个将市场做市转化为重复一价拍卖和动态定价子问题的元算法(Algorithm M3)，并证明在买家估值分布满足光滑性假设或市场价格和买家估值独立同分布条件下，算法的累计后悔项以$\mathcal{O}(T^{2/3})$的速度收敛。同时，构造了对应的下界，证明该速度在该条件下为最优。进一步，证明若缺乏光滑性或独立性假设，学习不可实现。报告还揭示了市场做市中的奖励-反馈之间独特的连续权衡特性，为市场做市中的在线学习提供理论基础[page::0][page::3][page::5][page::8][page::10][page::12]。
