REINFORCEMENT LEARNING IN AGENT-BASED MARKET SIMULATION: UNVEILING REALISTIC STYLIZED FACTS AND BEHAVIOR
创建于 更新于
摘要
本报告提出一种基于强化学习（RL）代理的代理市场模拟框架，能够更真实地再现连续双向拍卖市场中的市场动态。通过与零智力代理系统及真实市场数据对比，验证该框架在模拟重尾分布、无自相关、波动聚类等市场统计特征方面表现优异。报告还设计了闪崩和信息驱动型交易者的外部冲击实验，展示RL代理的适应性及行为响应的现实合理性。持续训练的RL代理展现出对变化市场条件的更强适应能力和更符合真实市场价格冲击规律的价格生成机制 [page::0][page::4][page::5][page::9][page::10]。
