跳至正文
返回文库全部文档

强化学习限价订单簿中的相变与市场冲击

文章 arXiv papers · 作者: Jan Rosenzweig
阅读原文

总结

该研究模拟一个完全由自主强化学习交易者构成的限价订单簿。研究使用微观订单撮合引擎，考察智能体之间的互动如何影响总体订单流和市场冲击。模型找出了有序价格发现与高波动级联状态之间的边界，这些状态与智能体数量和可观测市场深度有关。

研究还考察这些智能体提供流动性时，市场冲击如何变化。报告的行为不同于经典平方根关系；在非线性反馈下，市场进入耗散、平衡和非耗散状态。研究结果为探讨自适应策略如何改变市场稳定性和执行环境提供了框架。本文报告的是模型结果，但没有提供对真实市场的实证验证、参数估计，或在实盘交易中识别这些状态的实用指导。

核心观点

  • 模型使用完全由强化学习交易者构成的限价订单簿。
  • 智能体数量和市场深度与有序交易向高波动级联状态的转变有关。
  • 在模拟环境中，市场冲击偏离经典平方根动态。
  • 非线性反馈会产生耗散、平衡和非耗散冲击状态。
  • 本文报告的是模型研究结果，未说明是否使用实盘市场数据进行验证。

标签

市场微观结构机器学习交易执行波动率统计学
全文
# Agentic Limit Order Books: Phase Transitions and Market Impact


# Agentic Limit Order Books: Phase Transitions and Market Impact









We investigate the systemic macroscopic dynamics emerging from Limit Order Books (LOBs) populated exclusively by autonomous reinforcement-learning agentic traders. By formalizing agent interactions within a microscopic order-matching engine, we examine two fundamental quantitative phenomena: equilibrium phase transitions in order flow regime shifts, and the structural dynamics of market impact. We show that agentic LOBs exhibit distinct phase boundaries separating orderly price discovery from hyper-volatile cascade states, governed by critical thresholds in the number of agents and observable market depth. Furthermore, we demonstrate that market impact under agentic liquidity provision deviates from classical square-root dynamics, exhibiting distinct dissipative, balanced, and non-dissipative regimes under non-linear feedback loops.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。