增强学习对Almgren-Chriss模型的交易执行优化的扩展
摘要：强化学习在优化交易执行的现有分析解决方案上被探索为候选的机器学习技术，该解决方案包含了市场微观结构的要素。在给定交易量、固定时间周期和离散交易时段的情况下，目标是根据实时执行期间的有利/不利条件调整给定的交易量轨迹，从而提高交易成本的整体表现。我们考虑了标准的Almgren-Chriss模型作为候选的基本模型，该模型以线性价格影响为特征，被卖方机构广泛应用作为达到价格基准执行算法的基础。通过训练一个学习代理根据市场的当前价差和交易量动态来修改交易量轨迹，我们能够相对于基本模型平均提高多达10.3\%的交易执行结果，该结果基于在南非股票市场的样本股票和交易规模。
作者：Dieter Hendricks, Diane Wilcox
论文ID：1403.2229
分类：Trading and Market Microstructure
分类简称：q-fin.TR
提交时间：2016-02-19