Market making and incentives design in the presence of a dark pool: a deep reinforcement learning approach
创建于 更新于
摘要
本报告研究市场做市商同时在明池和暗池中提供流动性的最优控制问题，结合代理问题框架，设计交易所针对做市商的最优激励合约。通过构建并求解高维非线性哈密顿-雅可比-贝尔曼(HJB)方程，报告证明了解的存在唯一性，并引入深度强化学习算法近似最优控制策略和激励方案。数值实验揭示了激励机制对做市商订单量分布的显著影响及暗池交易延迟对价格影响的调节作用，为多场景下交易所制定make-take费用政策提供量化支持 [pidx::0][pidx::2][pidx::5][pidx::7][pidx::14][pidx::19][pidx::20][pidx::23]
