Experimental study of online learning algorithms for market making

Abstract

Στο χρηματιστήριο, κεντρικό ρόλο έχει ο Market Maker ο οποίος παρέχει ρευστότητα στην αγορά αγοράζοντας και πουλώντας μετοχές. ́Ενας απο τους βασικούς σκοπούς του είναι να επωφεληθεί από τις συνεχόμενες αλλαγές της τιμής της μετοχής. Στις μέρες μας, το μεγαλύτερο μέρος της αγοραπωλησίας των μετοχών γίνεται με την βοήθεια των υπολογιστών, με αποτέλεσμα οι ταχύτητες και η πολυποκότητα των αγοραπωλησιών να εκτοξευθεί. ́Ετσι ο Market Maker θα πρέπει να ανταποκριθεί στην αύξηση της ταχύτητας και της πολυπλοκότητας με την εφαρ- μογή ευφυών αλγορίθμων και σύγχρονων τεχνολογιών. Στην παρούσα εργασία υλοποιήσαμε σε Python μια αναλυτική προσομοίωση ενος limit order book με τις βασικές λειτουργίες του. Επίσης υλοποιήσαμε μια γεννήτρια τυχαίων αγοραπωλησιών που τροφοδοτεί το limit order book με τυχαίες εντολές αγορών και πωλήσεων. Επιπλέον ο σχεδιασμός της γεννήτριας βασίστηκε σε πραγματικά δεδομένα του Kaggle, και πιο συγκεκριμένα στο Algorithmic Trading Challenge dataset. Τέλος υλοποιήσαμε εναν Agent ο οποίος χρησιμοποιεί Online Αλγορίθμους, τον ε n - Greedy,τον UCB και τον EXP3, οι οποίοι χρησιμοποιούν στρατηγικές παραθύρου και τις οποίες εμπνευστήκαμε απο την βιβλιογραφία. Πειραματικά, συγκρίναμε την απόδοση των Αλγορίθμων όσον αφορά το κέρδος του Market Maker, αλλά και όσον αφορά το Regret σε σχέση με την καλύτερη στρατηγική.