MacMic: Executing Iceberg Orders via Hierarchical Reinforcement Learning
创建于 更新于
摘要
本报告提出了MacMic，一种基于层次强化学习的长时段冰山订单执行方法。该方法通过高层策略进行粗粒度的订单切片并由低层策略逐个限价单执行，结合堆叠隐马尔可夫模型（SHMM）提取多粒度市场状态，有效处理了动作空间大和执行周期长的问题。实验覆盖美股和中国A股200支股票，结果显示MacMic在价格优势和执行成功率上明显优于多种基线方法，验证了其在量化交易执行中的实际应用价值和有效性[page::0][page::1][page::5][page::6]。
