Trading de campo médio com informação latente e impacto no mercado

Resumo

Este artigo modela trading algorítmico entre agentes heterogêneos que não conseguem observar diretamente os estados latentes do mercado. Os agentes estimam esses estados por filtragem e operam para executar ordens de forma ótima ou fazer arbitragem estatística. Suas ações geram impacto permanente e temporário nos preços, tornando o cenário um grande jogo estocástico com participantes que interagem.

Os autores estudam um limite de campo médio com várias subpopulações de agentes e usam análise convexa para caracterizar o equilíbrio por meio de uma equação diferencial estocástica retroativa progressiva vetorial. Estabelecem uma solução única, derivam-na em forma fechada, caracterizam o comportamento dos agentes em equilíbrio e demonstram que essa estratégia de campo médio aproxima um equilíbrio no jogo com número finito de agentes. Exemplos simulados ilustram a estratégia. O texto fornecido não especifica a calibração de mercado, o desempenho empírico nem as restrições práticas de execução; portanto, os resultados são teóricos e baseados em simulações, e não evidências de lucratividade em trading ao vivo.

Ideias principais

• Os agentes filtram estados latentes do mercado antes de escolher suas ações de trading.
• O modelo inclui traders heterogêneos que buscam execução de ordens ou arbitragem estatística.
• O trading gera impacto permanente e temporário nos preços no jogo estocástico.
• Um limite de campo médio produz um equilíbrio caracterizado por um sistema estocástico retroativo progressivo.
• Demonstra-se que o equilíbrio aproxima um equilíbrio de Nash para o cenário com número finito de agentes, e simulações o ilustram.

Tags

# Mean Field Games with Partial Information for Algorithmic Trading


# Mean Field Games with Partial Information for Algorithmic Trading









Financial markets are often driven by latent factors which traders cannot observe. Here, we address an algorithmic trading problem with collections of heterogeneous agents who aim to perform optimal execution or statistical arbitrage, where all agents filter the latent states of the world, and their trading actions have permanent and temporary price impact. This leads to a large stochastic game with heterogeneous agents. We solve the stochastic game by investigating its mean-field game (MFG) limit, with sub-populations of heterogeneous agents, and, using a convex analysis approach, we show that the solution is characterized by a vector-valued forward-backward stochastic differential equation (FBSDE). We demonstrate that the FBSDE admits a unique solution, obtain it in closed-form, and characterize the optimal behaviour of the agents in the MFG equilibrium. Moreover, we prove the MFG equilibrium provides an $ε$-Nash equilibrium for the finite player game. We conclude by illustrating the behaviour of agents using the optimal MFG strategy through simulated examples.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.