Optimal Execution with Reinforcement Learning
创建于 更新于
摘要
本报告提出基于深度强化学习（DQN）在多智能体仿真环境ABIDES中实现的最优交易执行策略。通过模型化悬价单薄顺序簿（LOB）状态特征，训练智能体动态决定交易规模，实现了在限时内最大限度降低市场冲击和执行成本的目标。结果显示该强化学习策略在收益和执行稳定性上显著优于传统基准策略如TWAP和被动交易方法，体现了强化学习在复杂金融市场执行策略优化中的潜力 [page::0][page::5][page::6]。
