文献

J-GLOBAL ID：202202212771626638   整理番号：22A1040378

不均一エージェントによる模擬未来市場における強化学習ベース最適取引【JST・京大機械翻訳】

Reinforcement-learning-based optimal trading in a simulated futures market with heterogeneous agents

著者 (1件)： Aydin Nadi Serhan (Department of Industrial Engineering, Istinye University, Turkey)
資料名： Simulation  (Simulation)
巻： 98  号： 4  ページ： 321-333  発行年： 2022年 
JST資料番号： B0894A  ISSN： 0037-5497  CODEN： SIMUA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,エージェントと逐次オークションを有する先物市場をシミュレートし,そこではエージェントが資産の真値および既知のデッドラインで長寿命の不均一信号を受ける。差分情報量の発展とその全体利得の分布への影響と真実発見のペースを,限界次数書籍(LOB)の様々な深さレベルに対して調べた。また,本論文では,問題に対する動的プログラミングモデルを定式化し,情報格差の利用における最適戦略を見つけるための関連強化学習(RL)アルゴリズムを提案した。これは,その情報が市場の残りの集団情報より優れているエージェントの展望から行われる。最後に,最適戦略を見つけるための提案方法論を検証するために,将来市場例に基づいて数値解析を提示した。著者らは,エージェントがデッドラインの前に最後のオークションまでその信号を明らかにしない待機戦略を支持する証拠を見出した。この結果は,市場効率に対して働く微細構造動力学へのより多くの洞察をもたらす。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  数値解析 ,  計算機シミュレーション ,  動的計画法 ,  情報量 ,  時間制限 ,  利得 ,  定式化 ,  *エージェント ,  *強化学習
準シソーラス用語： オークション ,  マルチエージェントシミュレーション ,  構造動力学 ,  最適戦略 , 【Automatic Indexing@JST】

著者キーワード (7件)： マルチエージェントシミュレーション ,  価格発見 ,  不均一信号 ,  相互学習 ,  最適取引 ,  動的計画法 ,  強化学習

分類 (2件)： 計算機シミュレーション  (JE11000H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 不均一エージェント ,  未来 ,  市場 ,  強化学習 ,  取引