Обучение с подкреплением для справедливого расчёта комиссий площадки

Сводка

В документе описана схема обучения с подкреплением для расчёта комиссий торговой площадки с учётом того, что трейдеры меняют стратегии в ответ на эти комиссии. Схема совместно обучает расписание комиссий и стратегии трейдеров, балансируя прибыльность с явной целью справедливого отношения к разным классам трейдеров.

Авторы демонстрируют подход на симулируемой фондовой бирже с маркет-мейкерами и розничными инвесторами. В симуляции изменение относительных весов классов инвесторов смещает обученное расписание комиссий в пользу класса с большим весом. Пример показывает, как цели справедливости могут влиять на ценообразование площадки наряду с доходами оператора и прибылью участников. Свидетельства ограничены описанной симуляцией: документ не сообщает о проверке на реальном рынке и не показывает, как схема работает на других типах площадок.

Ключевые идеи

• Комиссии площадки могут влиять на поведение трейдеров, поскольку участники адаптируют стратегии к расписанию комиссий.
• Схема совместно обучает стратегии трейдеров и комиссии площадки.
• Целевая функция с весами балансирует прибыль и справедливые результаты для разных классов трейдеров.
• В симулируемой бирже увеличение веса справедливости для класса приводит к тому, что расписание комиссий начинает ему благоприятствовать.

Теги

# 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.

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.