REINFORCEMENT LEARNING-BASED MARKET MAKING AS A STOCHASTIC CONTROL ON NON-STATIONARY LIMIT ORDER BOOK DYNAMICS
创建于 更新于
摘要
本论文提出基于Proximal Policy Optimization（PPO）算法的强化学习市场做市商模型，结合非平稳随机过程精确模拟限价订单簿动态，涵盖订单抵达聚类、非平稳价差和价漂移、随机订单数量与价格波动等市场微观结构特征。实验显示该RL代理在复杂非静态市场环境下，能有效应对市场冲击和库存风险，优于闭式最优模型基准，且模拟环境适合训练适应多变市场状态的做市策略[page::0][page::1][page::3][page::6][page::7]。
