یادگیری تقویتی با شبیه سازی تطبیقی، بینش بازار را متحول می کند

جدول پیوندها

بخش اول: چکیده و مقدمه

بخش دوم: مفاهیم مهم

قسمت 3: توضیحات سیستم

قسمت 4: عوامل و جزئیات شبیه سازی

بخش 5: طراحی آزمایش

بخش 6: یادگیری مستمر

بخش 7: نتایج آزمایش

بخش 8: پاسخگویی بازار و عامل به رویدادهای خارجی

بخش 9: نتیجه گیری و مراجع

قسمت 10: نتایج شبیه سازی اضافی

قسمت 11: پیکربندی شبیه سازی

چکیده

سرمایه‌گذاران و تنظیم‌کننده‌ها می‌توانند تا حد زیادی از یک شبیه‌ساز واقعی بازار سود ببرند که آنها را قادر می‌سازد عواقب تصمیمات خود را در بازارهای واقعی پیش‌بینی کنند. با این حال، شبیه‌سازهای سنتی بازار مبتنی بر قوانین اغلب در ثبت دقیق رفتار پویای شرکت‌کنندگان بازار، به‌ویژه در پاسخ به رویدادهای تأثیر بازار خارجی یا تغییرات در رفتار سایر شرکت‌کنندگان، کوتاهی می‌کنند. در این مطالعه، ما یک چارچوب شبیه‌سازی مبتنی بر عامل را با استفاده از عوامل یادگیری تقویتی (RL) بررسی می‌کنیم. ما جزئیات پیاده‌سازی این عوامل RL را ارائه می‌کنیم و نشان می‌دهیم که بازار شبیه‌سازی‌شده حقایق تلطیف‌شده واقعی مشاهده‌شده در بازارهای دنیای واقعی را نشان می‌دهد. علاوه بر این، ما رفتار عوامل RL را در هنگام مواجهه با اثرات بازار خارجی، مانند سقوط فلش، بررسی می‌کنیم. یافته های ما اثربخشی و سازگاری عوامل مبتنی بر RL را روشن می کند.