مارکیٹ پلیس فیس کے منصفانہ ڈیزائن کے لیے ری اِنفورسمنٹ لرننگ

خلاصہ

یہ دستاویز مارکیٹ پلیس کی فیسیں وضع کرنے کے لیے ری اِنفورسمنٹ لرننگ کا ایک فریم ورک بیان کرتی ہے، جو ان ٹریڈرز کو مدنظر رکھتا ہے جو فیس کے جواب میں اپنی اسٹریٹیجیز ڈھالتے ہیں۔ یہ فریم ورک فیس کا شیڈول اور ٹریڈرز کی اسٹریٹیجیز مشترکہ طور پر سیکھتا ہے، اور منافع کو ٹریڈر طبقات کے درمیان منصفانہ برتاؤ کے واضح مقصد کے ساتھ متوازن کرتا ہے۔

مصنفین اس طریقے کی مثال مارکیٹ میکرز اور صارف سرمایہ کاروں والی ایک فرضی اسٹاک ایکسچینج میں دیتے ہیں۔ اس simulation میں، سرمایہ کار گروپس کو دیے گئے نسبتی وزن بدلنے سے سیکھا ہوا فیس شیڈول زیادہ وزن والے گروپ کی طرف جھک جاتا ہے۔ مثال دکھاتی ہے کہ مساوات کے اہداف مارکیٹ پلیس کی قیمت گذاری پر اثر ڈال سکتے ہیں، ساتھ ہی آپریٹر کی آمدنی اور شرکاء کے منافع بھی اہم رہتے ہیں۔ شواہد بیان کردہ simulation تک محدود ہیں؛ دستاویز حقیقی منڈی میں ٹیسٹنگ کی اطلاع نہیں دیتی اور نہ ہی دوسرے مارکیٹ پلیس ماحول میں فریم ورک کی کارکردگی ثابت کرتی ہے۔

اہم خیالات

• مارکیٹ پلیس کی فیس ٹریڈرز کے رویے کو شکل دے سکتی ہے کیونکہ شرکاء فیس شیڈول کے مطابق اپنی اسٹریٹیجیز بدلتے ہیں۔
• یہ فریم ورک ٹریڈرز کی اسٹریٹیجیز اور مارکیٹ پلیس فیس ایک ساتھ سیکھتا ہے۔
• وزن پر مبنی مقصد منافع کو ٹریڈر طبقات کے درمیان منصفانہ نتائج کے ساتھ متوازن کرتا ہے۔
• فرضی ایکسچینج میں کسی طبقے کو منصفانہ برتاؤ کے لیے زیادہ وزن دینے سے فیس کا شیڈول اسی طبقے کے حق میں ہو جاتا ہے۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔