Experimental study of online learning algorithms for market making

Λασκαράτος, Κωνσταντίνος Γεράσιμος

dc.contributor.advisor	Τελέλης, Ορέστης
dc.contributor.author	Λασκαράτος, Κωνσταντίνος Γεράσιμος
dc.date.accessioned	2021-02-01T12:32:30Z
dc.date.available	2021-02-01T12:32:30Z
dc.date.issued	2021
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/13222
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/645
dc.description.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.	el
dc.format.extent	64	el
dc.language.iso	en	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/4.0/	*
dc.title	Experimental study of online learning algorithms for market making	el
dc.title.alternative	Πειραματική μελέτη άμεσων αλγορίθμων μάθησης για δημιουργία αγοράς	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	The key role of a Market Maker in stock exchange is provision of liquidity via issuing of buy and sell orders for a security; at the same time he is willing to profit from the changes of the stock price. Nowadays, in modern stock exchanges, most of the trading occurs in computers and thus the environment has become more demanding in terms of the speed and complexity of transactions. For that reason, the Market Maker must use high tech software and efficient Algorithms to adapt to these changes. In this thesis, we developed a limit order book simulation with its basic functions using Python. We further developed a "random order generator" which feeds the Limit Order Book with pseudorandom buy and sell orders. In order to create the generator, we analysed the Algorithmic Trading Challenge dataset from Kaggle which consists of real stock market data. Finally, we designed an Agent that uses a class of Online learning algorithms, the ε n Greedy, the UCB1 and the EXP3. These Algorithms are using a class of window based strategies, inspired from the literature. In our experiments we compared these algorithms with each other, focusing on the Agent’s profit and their regret in terms of the overall best window strategy.	el
dc.contributor.master	Πληροφοριακά Συστήματα και Υπηρεσίες	el
dc.subject.keyword	Άμεση μάθηση	el
dc.subject.keyword	Online learning	el
dc.subject.keyword	Market making	el
dc.subject.keyword	High frequency trading	el
dc.subject.keyword	Limit-order-book	el
dc.date.defense	2021-01-22

Αρχεία σε αυτό το τεκμήριο

Name:: Laskaratos_ME1814.pdf
Μέγεθος:: 996.5Kb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές