A Parametric Contextual Online Learning Theory of Brokerage
创建于 更新于
摘要
本文提出带上下文的在线经纪（brokerage）问题：假设市场价值与上下文存在线性关系 m_t = c_t^T φ，交易者估值为 m_t 加上零均值扰动且密度有界，通过设计自适应探索/利用算法在仅有 2-bit 反馈下实现近最优的累积后悔上界，并证明在完全反馈下可将后悔降为对数级，同时若去掉有界密度假设问题不可学习（结果及主界说明见贡献与结论）[page::0][page::1][page::2][page::9]
