למידת חיזוק עמוקה לעשיית שוק בקריפטו ברמת הטיק

סיכום

המסמך מציג מסגרת לעשיית שוק בתדירות גבוהה, המשלבת נתוני שוק ברמת הטיק עם אותות חיזוי תקופתיים. היא מיישמת למידת חיזוק עמוקה כדי להשתמש הן במידע מהיר ברמת הפקודה והן בתחזיות תכופות פחות בעת קביעת פעולות עשיית השוק. המניע הוא שהיקף גדול של נתוני טיק ותנאי שוק מורכבים מקשים על בניית אסטרטגיות יעילות לאספקת נזילות ממקור מידע יחיד.

ההערכה המדווחת משווה אסטרטגיות שנבנו עם אלגוריתמים שונים של למידת חיזוק עמוקה בתרחישים מדומים ובניסויים המשתמשים בנתוני שוק אמיתיים של מטבעות קריפטוגרפיים. המחברים אומרים שהמסגרת המשולבת משפרת רווחיות וניהול סיכונים ביחס לשיטות קיימות. התקציר אינו מזהה את האלגוריתמים, הנכסים, תקופות ההערכה, קווי הבסיס או מדדי הסיכון המסוימים, ולכן אי אפשר להעריך על סמך תיאור זה בלבד את היקף הרווחים המדווחים ואת מידת הכלליות שלהם.

רעיונות מרכזיים

• גישת עשיית השוק המוצעת משלבת תצפיות ברמת הטיק עם אותות חיזוי תקופתיים.
• למידת חיזוק עמוקה ממפה את המידע המשולב להחלטות עשיית שוק.
• המסגרת נובעת מהיקף הנתונים ומהמורכבות של נתוני שוק בתדירות גבוהה.
• סימולציות ונתוני קריפטו אמיתיים משמשים להערכת אסטרטגיות על פני אלגוריתמים של למידת חיזוק.
• המסמך מדווח על שיפורים ברווחיות ובניהול סיכונים, אך אינו כולל פרטים הנחוצים להערכת היקפם או מידת הכלליות שלהם.

תגיות

# Integrating Tick-level Data and Periodical Signal for High-frequency Market Making


# Integrating Tick-level Data and Periodical Signal for High-frequency Market Making









We focus on the problem of market making in high-frequency trading. Market making is a critical function in financial markets that involves providing liquidity by buying and selling assets. However, the increasing complexity of financial markets and the high volume of data generated by tick-level trading makes it challenging to develop effective market making strategies. To address this challenge, we propose a deep reinforcement learning approach that fuses tick-level data with periodic prediction signals to develop a more accurate and robust market making strategy. Our results of market making strategies based on different deep reinforcement learning algorithms under the simulation scenarios and real data experiments in the cryptocurrency markets show that the proposed framework outperforms existing methods in terms of profitability and risk management.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.