跳到正文
AI × 量化 × 交易AI 入门 ¥399 · 年度信号 ¥1,299 · AI 直播课 ¥5,980 · 合作机构员工优先查看 →
热点事件持续更新

学者发布竞争性做市均衡与学习研究论文

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Matteo Onger、Luigi Foscari在arXiv q-fin发布竞争性做市博弈均衡与学习研究论文,构建了由N≥2家策略做市商与1名非策略代表性交易者参与的做市博弈模型。 论文证明,在标的资产价值分布的最小假设下始终存在至少一个纯策略纳什均衡,均衡买卖价差随资产价值波动率严格扩大。 论文通过离散化价格构建可处理的学习框架,证明无内部遗憾学习者的时间平均博弈在最小报价单位趋近于零时会逼近连续纳什价格包络,并通过数值模拟验证了理论结果。

AI 根据报道生成 · 1 小时前更新

最新进展10月23日 12:00
竞争性做市中的均衡与学习研究

报道时间线

沿着报道,了解事件的不同侧面。

10月23日
  1. arXiv q-fin
    竞争性做市中的均衡与学习研究

    论文提出由N≥2家策略做市商与1名非策略代表性交易者参与的做市博弈模型,证明在标的资产价值分布的最小假设下始终存在至少一个纯策略纳什均衡,均衡买卖价差随资产价值波动率严格扩大。通过离散化价格构建可处理的学习框架,证明无内部遗憾学习者的时间平均博弈在最小报价单位趋近于零时会逼近连续纳什价格包络,并通过数值模拟验证了理论结果。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。