التعلم المعزز غير المتصل للتصفية الواعية بأثر السعر

الملخص

تدرس الوثيقة كيف يمكن لمتداول تصفية أصل عالي المخاطر عندما تُحدث الصفقات أثراً مؤقتاً في السعر وتكون دالة انتشار الأثر السعري مجهولة. وتقترح تقدير هذه الدالة، أو دالة انتشار الأثر، دون معلمات من بيانات ثابتة تتضمن مسارات أسعار مترابطة وإشارات تداول وأوامر كبيرة. وتُقاس دقة التقدير بمقياس يعتمد صراحةً على مجموعة البيانات المتاحة.

قد تنطوي استراتيجية تنفيذ جشعة تعتمد فقط على النواة المقدّرة على تكاليف أعلى من المقصودة. ويعزو المؤلفون ذلك إلى ارتباط زائف بين الاستراتيجية والمقدّر، فضلاً عن عدم اليقين المرتبط بدالة تكلفة متحيزة. وتستخدم طريقة التعلم المعزز غير المتصل المقترحة خسارة متشائمة تأخذ عدم يقين التقدير في الحسبان، ومحسّناً مصمماً لإزالة ذلك الارتباط. ويشتق المؤلفون حداً أمثل تقاربياً لتكاليف التنفيذ دون الحاجة إلى معرفة دقيقة بالنواة الحقيقية، ويوردون تجارب عددية تدعم المقدّر والاستراتيجية. ولا يقدم المقتطف تفاصيل التجارب أو يقدّر الأداء العملي في ظروف التداول الفعلي.

الأفكار الرئيسية

• تقدّر الطريقة دالة انتشار الأثر السعري المؤقت من بيانات ثابتة ذات مسارات مترابطة ونشاط تداول.
• قد تكون الاستراتيجية الجشعة القائمة على التقدير دون المستوى الأمثل بسبب الارتباط الزائف بين الاستراتيجية والمقدّر.
• تأخذ الخسارة المتشائمة عدم اليقين في نواة أثر السعر المقدّرة في الحسبان.
• يشتق أسلوب التعلم المعزز غير المتصل المقترح حداً تقاربياً لتكاليف التنفيذ دون معرفة دقيقة بالنواة.
• تُذكر تجارب عددية، لكن المقتطف لا يقدم نتائج من التداول الفعلي.

الوسوم

# An Offline Learning Approach to Propagator Models


# An Offline Learning Approach to Propagator Models









We consider an offline learning problem for an agent who first estimates an unknown price impact kernel from a static dataset, and then designs strategies to liquidate a risky asset while creating transient price impact. We propose a novel approach for a nonparametric estimation of the propagator from a dataset containing correlated price trajectories, trading signals and metaorders. We quantify the accuracy of the estimated propagator using a metric which depends explicitly on the dataset. We show that a trader who tries to minimise her execution costs by using a greedy strategy purely based on the estimated propagator will encounter suboptimality due to so-called spurious correlation between the trading strategy and the estimator and due to intrinsic uncertainty resulting from a biased cost functional. By adopting an offline reinforcement learning approach, we introduce a pessimistic loss functional taking the uncertainty of the estimated propagator into account, with an optimiser which eliminates the spurious correlation, and derive an asymptotically optimal bound on the execution costs even without precise information on the true propagator. Numerical experiments are included to demonstrate the effectiveness of the proposed propagator estimator and the pessimistic trading strategy.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.