Transiciones de fase e impacto de mercado en libros de órdenes con aprendizaje por refuerzo

Resumen

Este estudio modela un libro de órdenes límite poblado exclusivamente por operadores autónomos con aprendizaje por refuerzo. Mediante un motor microscópico de casación de órdenes, examina cómo las interacciones entre agentes determinan el flujo agregado de órdenes y el impacto de mercado. El modelo identifica límites entre una formación ordenada de precios y estados de cascada muy volátiles, vinculados al número de agentes y a la profundidad de mercado observable.

También investiga cómo cambia el impacto de mercado cuando estos agentes aportan liquidez. El comportamiento descrito difiere de la relación clásica de raíz cuadrada y se divide en regímenes disipativos, equilibrados y no disipativos bajo retroalimentación no lineal. Estos resultados ofrecen un marco para estudiar cómo las estrategias adaptativas pueden alterar la estabilidad del mercado y las condiciones de ejecución. El documento describe hallazgos del modelo, pero no ofrece validación empírica frente a mercados reales, estimaciones de parámetros ni orientación práctica para identificar los regímenes en el trading en vivo.

Ideas clave

• El modelo utiliza un libro de órdenes límite poblado exclusivamente por operadores con aprendizaje por refuerzo.
• El número de agentes y la profundidad de mercado se asocian con transiciones entre una negociación ordenada y cascadas volátiles.
• El impacto de mercado en el entorno simulado se aparta de la dinámica clásica de raíz cuadrada.
• La retroalimentación no lineal produce regímenes de impacto disipativos, equilibrados y no disipativos.
• El documento presenta hallazgos basados en un modelo, sin describir validación con datos de mercados en vivo.

Etiquetas

# Agentic Limit Order Books: Phase Transitions and Market Impact


# Agentic Limit Order Books: Phase Transitions and Market Impact









We investigate the systemic macroscopic dynamics emerging from Limit Order Books (LOBs) populated exclusively by autonomous reinforcement-learning agentic traders. By formalizing agent interactions within a microscopic order-matching engine, we examine two fundamental quantitative phenomena: equilibrium phase transitions in order flow regime shifts, and the structural dynamics of market impact. We show that agentic LOBs exhibit distinct phase boundaries separating orderly price discovery from hyper-volatile cascade states, governed by critical thresholds in the number of agents and observable market depth. Furthermore, we demonstrate that market impact under agentic liquidity provision deviates from classical square-root dynamics, exhibiting distinct dissipative, balanced, and non-dissipative regimes under non-linear feedback loops.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.