Apprentissage par renforcement pour une tarification équitable des places de marché

Résumé

Ce document décrit un cadre d’apprentissage par renforcement pour concevoir les frais d’une place de marché en tenant compte des traders qui adaptent leurs stratégies en réaction à ces frais. Le cadre apprend conjointement un barème de frais et les stratégies des traders, en conciliant rentabilité et objectif explicite d’équité entre les catégories de traders.

Les auteurs illustrent leur approche sur une bourse d’actions simulée comprenant des teneurs de marché et des investisseurs particuliers. Dans la simulation, modifier les pondérations relatives attribuées aux catégories d’investisseurs oriente le barème de frais appris en faveur de la catégorie la plus pondérée. L’exemple montre comment les objectifs d’équité peuvent influencer la tarification de la place de marché, parallèlement aux revenus de l’opérateur et aux bénéfices des participants. Les éléments probants se limitent à la simulation décrite ; le document ne rapporte aucun test sur des marchés réels et n’établit pas les performances du cadre dans d’autres environnements de place de marché.

Idées clés

• Les frais d’une place de marché peuvent influer sur le comportement des traders, qui adaptent leurs stratégies au barème appliqué.
• Le cadre apprend conjointement les stratégies des traders et les frais de la place de marché.
• Un objectif pondéré concilie les bénéfices et l’équité des résultats entre catégories de traders.
• Dans une bourse simulée, une pondération accrue de l’équité pour une catégorie conduit à un barème de frais qui lui est favorable.

Étiquettes

# Equitable Marketplace Mechanism Design


# Equitable Marketplace Mechanism Design









We consider a trading marketplace that is populated by traders with diverse trading strategies and objectives. The marketplace allows the suppliers to list their goods and facilitates matching between buyers and sellers. In return, such a marketplace typically charges fees for facilitating trade. The goal of this work is to design a dynamic fee schedule for the marketplace that is equitable and profitable to all traders while being profitable to the marketplace at the same time (from charging fees). Since the traders adapt their strategies to the fee schedule, we present a reinforcement learning framework for simultaneously learning a marketplace fee schedule and trading strategies that adapt to this fee schedule using a weighted optimization objective of profits and equitability. We illustrate the use of the proposed approach in detail on a simulated stock exchange with different types of investors, specifically market makers and consumer investors. As we vary the equitability weights across different investor classes, we see that the learnt exchange fee schedule starts favoring the class of investors with the highest weight. We further discuss the observed insights from the simulated stock exchange in light of the general framework of equitable marketplace mechanism design.

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.