In-Context Operator Learning for Linear Propagator Models
创建于 更新于
摘要
本文提出了基于In-Context Operator Networks (ICON)与神经网络控制策略(OCnet)的联合框架，实现线性传播模型中价格影响算子的快速学习与最优订单执行策略生成。ICON结合离线预训练及在线少样本推断，能准确推断未知价格影响算子，具备跨模型迁移能力；OCnet利用ICON作为代理算子完成对最优策略的高效训练。数值实验证明，方法在不同传播核模型及参数区间均表现优异，成功恢复了理论精确解，展示了变动态市场条件下推断与控制的创新路径［page::0][page::1][page::6][page::8][page::13][page::18］。
