Học tăng cường ngoại tuyến để thanh lý có xét đến tác động giá

Tóm tắt

Tài liệu nghiên cứu cách nhà giao dịch thanh lý một tài sản rủi ro khi giao dịch gây tác động giá tạm thời và chưa biết hàm nhân tác động. Tài liệu đề xuất ước tính hàm nhân, hay bộ truyền, theo phương pháp phi tham số từ dữ liệu tĩnh gồm các đường đi giá tương quan, tín hiệu giao dịch và lệnh lớn. Độ chính xác ước tính được đo bằng một thước đo phụ thuộc rõ ràng vào tập dữ liệu sẵn có.

Chiến lược thực hiện lệnh tham lam chỉ dựa trên hàm nhân đã ước tính có thể phát sinh chi phí cao hơn dự kiến. Các tác giả cho rằng nguyên nhân là tương quan giả giữa chiến lược và bộ ước tính, cũng như sự bất định gắn với hàm chi phí bị chệch. Phương pháp học tăng cường ngoại tuyến được đề xuất dùng hàm mất mát bi quan có tính đến bất định của ước tính và một bộ tối ưu hóa được thiết kế để loại bỏ tương quan đó. Các tác giả suy ra cận tiệm cận tối ưu cho chi phí thực hiện lệnh mà không cần biết chính xác hàm nhân thực, đồng thời báo cáo các thí nghiệm số hỗ trợ bộ ước tính và chiến lược. Trích đoạn không nêu chi tiết thí nghiệm hoặc định lượng hiệu quả thực tế trong giao dịch thực.

Ý chính

• Phương pháp ước tính hàm nhân tác động giá tạm thời từ dữ liệu tĩnh có đường đi và hoạt động giao dịch tương quan.
• Chiến lược tham lam dựa trên ước tính có thể không tối ưu vì chiến lược và bộ ước tính có tương quan giả.
• Hàm mất mát bi quan tính đến bất định trong hàm nhân tác động giá được ước tính.
• Phương pháp học tăng cường ngoại tuyến được đề xuất suy ra cận tiệm cận cho chi phí thực hiện lệnh mà không cần biết chính xác hàm nhân.
• Nghiên cứu báo cáo thí nghiệm số, nhưng trích đoạn không đưa ra kết quả giao dịch thực.

Thẻ

# An Offline Learning Approach to Propagator Models


# An Offline Learning Approach to Propagator Models









We consider an offline learning problem for an agent who first estimates an unknown price impact kernel from a static dataset, and then designs strategies to liquidate a risky asset while creating transient price impact. We propose a novel approach for a nonparametric estimation of the propagator from a dataset containing correlated price trajectories, trading signals and metaorders. We quantify the accuracy of the estimated propagator using a metric which depends explicitly on the dataset. We show that a trader who tries to minimise her execution costs by using a greedy strategy purely based on the estimated propagator will encounter suboptimality due to so-called spurious correlation between the trading strategy and the estimator and due to intrinsic uncertainty resulting from a biased cost functional. By adopting an offline reinforcement learning approach, we introduce a pessimistic loss functional taking the uncertainty of the estimated propagator into account, with an optimiser which eliminates the spurious correlation, and derive an asymptotically optimal bound on the execution costs even without precise information on the true propagator. Numerical experiments are included to demonstrate the effectiveness of the proposed propagator estimator and the pessimistic trading strategy.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.