LOGARITHMIC REGRET IN THE ERGODIC AVELLANEDA–STOIKOV MARKET MAKING MODEL
创建于 更新于
摘要
本文提出并分析了Avellaneda–Stoikov市场做市模型的遍历形式，构建了基于正则化最大似然估计的在线参数学习算法，实现了对关键未知参数填充率敏感度κ的估计。通过解析求解遍历HJB方程，建立了最优反馈控制策略，证明了基于该学习算法的收益期望后悔界为对数平方量级，数值实验验证了算法的收敛性和鲁棒性 [page::0][page::3][page::19][page::23]。
