본문으로 건너뛰기
라이브러리 문서 전체

틱 단위 암호화폐 마켓메이킹을 위한 심층 강화학습

기사 arXiv papers · 저자: Jiafa He et al.
원문 읽기

요약

이 문서는 틱 단위 시장 데이터와 주기적인 예측 신호를 결합한 고빈도 마켓메이킹 프레임워크를 제시합니다. 심층 강화학습을 적용해 마켓메이킹 행동을 정할 때 빠른 주문 단위 정보와 빈도가 낮은 예측을 함께 활용합니다. 대량의 틱 데이터와 복잡한 시장 상황에서는 단일 정보원만으로 효과적인 유동성 공급 전략을 구축하기 어렵다는 점에서 출발합니다.

보고된 평가에서는 여러 심층 강화학습 알고리즘으로 만든 전략을 시뮬레이션 시나리오와 실제 암호화폐 시장 데이터를 이용한 실험에서 비교합니다. 저자들은 결합된 프레임워크가 기존 방법보다 수익성과 리스크 관리를 개선한다고 말합니다. 요약에는 구체적인 알고리즘, 자산, 평가 기간, 기준 모형, 위험 측정치가 없어 보고된 개선의 규모와 일반성을 이 설명만으로 평가할 수 없습니다.

핵심 아이디어

  • 제안된 마켓메이킹 접근법은 틱 단위 관측값과 주기적인 예측 신호를 결합합니다.
  • 심층 강화학습은 결합된 정보를 마켓메이킹 의사결정으로 변환합니다.
  • 이 프레임워크는 고빈도 시장 데이터의 양과 복잡성을 고려해 고안되었습니다.
  • 강화학습 알고리즘별 전략을 평가하는 데 시뮬레이션과 실제 암호화폐 데이터가 사용됩니다.
  • 문서는 수익성과 리스크 관리의 개선을 보고하지만, 그 규모나 일반성을 가늠하는 데 필요한 세부 정보는 제공하지 않습니다.

태그

시장 조성고빈도 매매머신러닝가상자산리스크 관리
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.