Learning Market Making with Closing Auctions
创建于 更新于
摘要
本文提出了一种将闭市拍卖显式纳入决策的深度Q-learning 市场做市框架：在连续交易阶段持续预测假想清算价并在拍卖阶段提交线性供给曲线以最小化后悔并提升 PnL，实证/仿真（rough-Heston 与 S&P500 历史数据）均显示 NFQ 策略在平均收益上优于 Avellaneda–Stoikov 与 TWAP 基准，证明了预期闭市拍卖对做市收益的重要贡献 [page::19].
