Обучение стратегиям ликвидации на рынках с аукционом закрытия

Сводка

В исследовании рассматривается трейдер, который продаёт актив через книгу лимитных заявок, а затем корректирует оставшийся инвентарь с помощью расписаний заявок на покупку или продажу в аукционе закрытия. Два этапа связаны прогнозом цены сведения заявок и обратной связью во время аукциона. Авторы сравнивают глубокие Q-сети с политиками обучения с подкреплением — проекционными DDPG, TD3 и SAC — на симулируемом рынке, используя синтетические цены rough Heston и исторические траектории срединной цены.

Политики выбираются и оцениваются по дефициту исполнения с поправкой на остаточную позицию; оценка отделена от взвешенной целевой функции обучения. В представленных симуляциях обученные методы показывают меньший скорректированный дефицит исполнения, чем эталонные стратегии Avellaneda–Stoikov и TWAP. Сопоставимые синтетические сравнения также показывают, что доступ к аукциону помогает всем четырём методам обучения. Более частая обратная связь на аукционе улучшает обучение, тогда как дополнительная ценность прогноза цены сведения заявок для принятия решений различается в зависимости от обучаемого метода. Эти результаты получены в симуляциях; описание не подтверждает эффективность в реальной торговле или применимость к другим рыночным условиям.

Ключевые идеи

• Процесс ликвидации объединяет непрерывную торговлю лимитными заявками с аукционом закрытия.
• Графики заявок на аукционе корректируют остаток позиции после непрерывной торговли.
• Четыре метода обучения с подкреплением сравниваются на симулированных ценах и исторических траекториях срединной цены.
• В обученных политиках сообщается о меньшем дефиците исполнения с поправкой на позицию, чем в эталонах Avellaneda–Stoikov и TWAP.
• В сопоставимых синтетических сравнениях доступ к аукциону помогает каждому методу, а ценность прогноза зависит от метода обучения.

Теги

# Learning Optimal Liquidation with Closing Auctions


# Learning Optimal Liquidation with Closing Auctions









We study liquidation when continuous trading is followed by a closing auction. The trader first sells through a limit-order book, then submits signed auction schedules to adjust the remaining inventory. A projected clearing price signal and intermediate auction feedback connect the two phases. We compare deep Q-network (DQN) policies with projected deep deterministic policy gradient (DDPG), twin delayed deep deterministic policy gradient (TD3) and soft actor-critic (SAC) policies, using synthetic rough Heston prices and historical midprice paths within a simulated market. Policies are selected and evaluated by inventory-penalized implementation shortfall, separately from a weighted training objective. They achieve lower inventory-penalized shortfall than the stylized Avellaneda-Stoikov (AS) and time-weighted average price (TWAP) references, and matched synthetic comparisons show that auction access is useful for all four learners. We furthermore find that dense auction credit improves learning; the clearing forecast is informative, but its incremental decision value is learner-dependent.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.