Reinforcement Learning for Trade Execution with Market Impact
创建于 更新于
摘要
本文提出一种基于多元逻辑正态分布的强化学习框架，用于限价单簿中的最优交易执行，能够动态分配市场单和限价单以最大化期望收益。该方法克服了传统策略的状态-动作空间限制，并在包含噪声交易者、战术交易者及战略交易者的仿真市场环境中表现优异，显著超越了基准算法表现。报告详细介绍了状态空间设计、动作空间定义以及算法训练和评测，体现了算法在复杂市场影响下的适应能力与优越性 [page::0][page::1][page::6][page::9][page::13]。
