算法交易中的差异信念均场博弈
摘要：异质的交互代理人在面对相同数据时，通常对真实世界的模型存在分歧。在这里，我们解决了异质代理人在对真实世界的模型存在分歧的情况下如何优化其交易动作的问题。市场具有驱动价格的潜在因素，并且代理人考虑到其对价格的永久影响。这导致了一个大型随机博弈，每个代理人的绩效标准都是在不同的概率测度下计算得到的。我们分析了随机博弈的均场博弈（MFG）极限，并且证明纳什均衡是非标准向量值前向-后向随机微分方程的解。在一些温和的假设下，我们以滤波状态的期望形式构建了这个解。此外，我们证明了MFG策略对于有限玩家游戏形成ε-Nash均衡。最后，我们提出了一个基于最小二乘蒙特卡洛的算法来计算均衡，并通过模拟表明，增大分歧可能会增加价格波动和交易活动。
作者：Philippe Casgrain, Sebastian Jaimungal
论文ID：1810.06101
分类：Mathematical Finance
分类简称：q-fin.MF
提交时间：2019-12-13