公平性を考慮したマーケットプレイス手数料の強化学習設計
記事 arXiv papers · 著者: Kshama Dwarakanath et al.
サマリー
この文書では、手数料に応じてトレーダーが戦略を変えることを考慮しながら、マーケットプレイスの手数料を設計する強化学習の枠組みを説明します。この枠組みは手数料体系とトレーダー戦略を同時に学習し、収益性とトレーダー区分間の明示的な公平性目標とのバランスを取ります。
著者らは、マーケットメーカーと個人投資家が参加する株式取引所のシミュレーションで手法を例示しています。シミュレーションでは、投資家区分に割り当てる相対的な重みを変えると、学習された手数料体系が、より大きな重みを与えられた区分に有利な方向へ変化します。この例は、運営者の収益や参加者の利益と並んで、公平性の目標もマーケットプレイスの価格設定に影響しうることを示します。証拠は説明されたシミュレーションに限られ、実市場での検証や、他のマーケットプレイスでの性能は示されていません。
主なアイデア
- 参加者が手数料体系に応じて戦略を変えるため、マーケットプレイスの手数料はトレーダーの行動に影響することがあります。
- この枠組みはトレーダー戦略とマーケットプレイスの手数料を同時に学習します。
- 重み付きの目的関数で、利益とトレーダー区分間の公平な結果のバランスを取ります。
- 取引所のシミュレーションでは、ある区分の公平性により大きな重みを置くと、その区分に有利な手数料体系になります。
タグ
全文
# 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.
出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0
この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。