Transitions de phase et impact de marché dans les carnets d’ordres à apprentissage par renforcement

Résumé

Cette étude modélise un carnet d’ordres à cours limité peuplé uniquement de traders autonomes utilisant l’apprentissage par renforcement. À l’aide d’un moteur microscopique d’appariement des ordres, elle examine comment les interactions entre agents façonnent le flux d’ordres agrégé et l’impact de marché. Le modèle identifie les frontières entre une formation ordonnée des prix et des états de cascade très volatils, en lien avec le nombre d’agents et la profondeur observable du marché.

L’étude examine aussi comment l’impact de marché évolue lorsque ces agents fournissent de la liquidité. Le comportement rapporté diffère de la relation classique en racine carrée et se répartit en régimes dissipatif, équilibré et non dissipatif sous l’effet d’un retour non linéaire. Ces résultats fournissent un cadre pour étudier comment des stratégies adaptatives peuvent modifier la stabilité du marché et les conditions d’exécution. Le document décrit des résultats issus du modèle, mais ne fournit ni validation empirique sur des marchés réels, ni estimations de paramètres, ni conseils pratiques pour identifier ces régimes en trading réel.

Idées clés

• Le modèle utilise un carnet d’ordres à cours limité peuplé exclusivement de traders utilisant l’apprentissage par renforcement.
• Le nombre d’agents et la profondeur du marché sont associés aux transitions entre trading ordonné et cascades volatiles.
• Dans le cadre simulé, l’impact de marché s’écarte de la dynamique classique en racine carrée.
• Un retour non linéaire produit des régimes d’impact dissipatif, équilibré et non dissipatif.
• Le document présente des résultats issus du modèle sans décrire de validation sur des données de marché en réel.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.