ROBSTNESS IN SEQUENTIAL DECISION MAKING UNDER EVOLVING UNCERTAINTY: EVIDENCE FROM HIGH-FREQUENCY MARKET MAKING
创建于 更新于
摘要
本研究在不断演化的不确定性环境下，提出一个鲁棒序列决策框架，结合Sinkhorn嵌入的模糊性集合与鲁棒动态规划，用于学习高频市场做市中的自适应报价与库存管理策略。论文区分两维鲁棒性：不确定性容忍度与行动鲁棒性，前者界定可接受的不确定性范围，后者决定在该范围内对不利情形的保守响应。实证和仿真结果表明，行动鲁棒性对策略行为的影响远大于单纯的容忍度，且在流动性充足时鲁棒性有助于提升风险调整后的绩效；在流动性低的情况下，过度鲁棒可能降低盈利机会。该框架对实务的启示在于应随市场条件对鲁棒性进行定量校准，以实现更稳健的执行与风险控制，并可拓展至其他AI驱动的序列决策场景。[page::1]
