اکسپرس 24
ترجمه فارسی مقاله یادگیری تقویتی در بازارسازی با فرکانس بالا

ترجمه فارسی مقاله یادگیری تقویتی در بازارسازی با فرکانس بالا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Reinforcement Learning in High-frequency Market Making
عنوان مقاله به فارسی یادگیری تقویتی در بازارسازی با فرکانس بالا
نویسندگان Yuheng Zheng, Zihan Ding
فرمت مقاله انگلیسی PDF
تعداد صفحات 40
دسته بندی موضوعات Trading and Market Microstructure,Machine Learning,Econometrics,Statistical Finance,Machine Learning,تجارت و ریزساختار بازار , یادگیری ماشین , اقتصاد سنجی , امور مالی آماری , یادگیری ماشین ,
توضیحات Submitted 12 August, 2024; v1 submitted 14 July, 2024; originally announced July 2024.
توضیحات به فارسی ارائه شده 12 اوت 2024 ؛V1 ارسال شده 14 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 1,600,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper establishes a new and comprehensive theoretical analysis for the application of reinforcement learning (RL) in high-frequency market making. We bridge the modern RL theory and the continuous-time statistical models in high-frequency financial economics. Different with most existing literature on methodological research about developing various RL methods for market making problem, our work is a pilot to provide the theoretical analysis. We target the effects of sampling frequency, and find an interesting tradeoff between error and complexity of RL algorithm when tweaking the values of the time increment $Δ$ $-$ as $Δ$ becomes smaller, the error will be smaller but the complexity will be larger. We also study the two-player case under the general-sum game framework and establish the convergence of Nash equilibrium to the continuous-time game equilibrium as $Δrightarrow0$. The Nash Q-learning algorithm, which is an online multi-agent RL method, is applied to solve the equilibrium. Our theories are not only useful for practitioners to choose the sampling frequency, but also very general and applicable to other high-frequency financial decision making problems, e.g., optimal executions, as long as the time-discretization of a continuous-time markov decision process is adopted. Monte Carlo simulation evidence support all of our theories.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک تحلیل نظری جدید و جامع برای استفاده از یادگیری تقویت (RL) در ساخت بازار با فرکانس بالا ایجاد شده است.ما تئوری مدرن RL و مدلهای آماری زمان مداوم را در اقتصاد مالی با فرکانس بالا می گذاریم.متفاوت با بیشتر ادبیات موجود در مورد تحقیقات روش شناختی در مورد توسعه روش های مختلف RL برای ایجاد مشکل در بازار ، کار ما یک خلبان برای ارائه تحلیل نظری است.ما اثرات فرکانس نمونه گیری را هدف قرار می دهیم و یک تجارت جالب بین خطا و پیچیدگی الگوریتم RL را هنگام افزایش مقادیر افزایش زمان $ δ $ $-$ $ $ $ کوچکتر می یابیم ، خطا کوچکتر خواهد شد اما پیچیدگی خواهد بودبزرگتر باشدما همچنین مورد دو نفره را تحت چارچوب بازی عمومی مطالعه می کنیم و همگرایی تعادل NASH را به تعادل بازی به زمان مداوم به عنوان $ δ RightArrow0 $ تعیین می کنیم.الگوریتم یادگیری نش ، که یک روش RL چند عامل آنلاین است ، برای حل تعادل اعمال می شود.نظریه های ما نه تنها برای پزشکان برای انتخاب فرکانس نمونه گیری مفید است ، بلکه برای سایر مشکلات تصمیم گیری مالی با فرکانس بالا ، به عنوان مثال ، اعدام های بهینه ، تا زمانی که اختلاف زمان یک فرایند تصمیم گیری مارکوف به زمان مداوم ، بسیار کلی و قابل اجرا باشد ، بسیار کلی و قابل اجرا است.اتخاذ شده استشواهد شبیه سازی مونت کارلو از همه تئوری های ما پشتیبانی می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.