論文の概要: Reinforcement Learning for Corporate Bond Trading: A Sell Side Perspective

• arxiv url: http://arxiv.org/abs/2406.12983v1
• Date: Tue, 18 Jun 2024 18:02:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-22 00:28:02.784009
• Title: Reinforcement Learning for Corporate Bond Trading: A Sell Side Perspective
• Title（参考訳）: 社債取引における強化学習の側面
• Authors: Samuel Atkins, Ali Fathi, Sammy Assefa,
• Abstract要約: 社債トレーダーは、テキスト優先の市場価格にスプレッドを追加して引用を提供する 不正な債券については、市場価格の観測が困難であり、トレーダーはしばしば利用可能なベンチマーク債の価格に頼っている。 本稿では,データ駆動方式による最適入札分散商法の推定にアプローチし,強化学習を用いて学習できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A corporate bond trader in a typical sell side institution such as a bank provides liquidity to the market participants by buying/selling securities and maintaining an inventory. Upon receiving a request for a buy/sell price quote (RFQ), the trader provides a quote by adding a spread over a \textit{prevalent market price}. For illiquid bonds, the market price is harder to observe, and traders often resort to available benchmark bond prices (such as MarketAxess, Bloomberg, etc.). In \cite{Bergault2023ModelingLI}, the concept of \textit{Fair Transfer Price} for an illiquid corporate bond was introduced which is derived from an infinite horizon stochastic optimal control problem (for maximizing the trader's expected P\&L, regularized by the quadratic variation). In this paper, we consider the same optimization objective, however, we approach the estimation of an optimal bid-ask spread quoting strategy in a data driven manner and show that it can be learned using Reinforcement Learning. Furthermore, we perform extensive outcome analysis to examine the reasonableness of the trained agent's behavior.
• Abstract（参考訳）: 銀行等の典型的な販売側機関の社債トレーダーは、証券の売買及び在庫の維持により、市場参加者に流動性を提供する。 売り買い価格の見積もり(RFQ)の要求を受けると、トレーダーは \textit{prevalent market price} にスプレッドを追加することで見積もりを提供する。 不正な債券については、市場価格の観測が困難であり、トレーダーはしばしば利用可能なベンチマーク債の価格(マーケットアクセス、ブルームバーグなど)に頼っている。 引用{Bergault2023ModelingLI} では、無限の水平確率的最適制御問題(トレーダーが期待するP\&Lを最大化するために、二次変動によって正則化)から導かれる、不正な社債に対する \textit{Fair Transfer Price} の概念が導入された。 本稿では、同じ最適化目標を考察するが、データ駆動方式で最適な入札分散商法の推定にアプローチし、強化学習を用いて学習できることを示す。 さらに,訓練されたエージェントの行動の妥当性を検討するために,広範囲な結果分析を行う。

関連論文リスト

• Dynamic Pricing in Securities Lending Market: Application in Revenue Optimization for an Agent Lender Portfolio [5.006071344026168]
  証券貸出市場では,既存の文脈的バンディットの枠組みをうまく活用できることが示されている。 我々は、文脈的バンディットアプローチが、生成した総収益の少なくとも15%以上の典型的なアプローチを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2024-07-18T17:42:37Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• ZeroSwap: Data-driven Optimal Market Making in DeFi [23.671367118750872]
  AMM(Automated Market Makers)は、分散金融における流動性供給と需要に合致する主要なセンターである。 本稿では,アセットの外部価格を最適に追跡する,最初の最適ベイズアルゴリズムとモデルフリーなデータ駆動アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T21:28:19Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
  分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。 そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。 これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。 我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
  論文  参考訳（メタデータ） (2023-02-01T17:21:40Z)
• Deep learning based Chinese text sentiment mining and stock market correlation research [6.000327333763521]
  我々は、ストックバーなどの金融フォーラムデータをクロールして、感情分析のためのディープラーニングモデルと組み合わせる方法について検討する。 本稿では、BERTモデルを用いて、財務コーパスに対するトレーニングを行い、SZSE成分指数を予測する。 得られた感情特徴は、株式市場の変動を反映し、予測精度を効果的に改善するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-05-10T08:35:33Z)
• Deep Hedging: Learning Risk-Neutral Implied Volatility Dynamics [0.0]
  シミュレーションスポットとオプション価格の経路に対するリスクニュートラル測度学習のための数値的効率的アプローチ 市場ダイナミクスは、リスク中立的措置に従う場合に限り、取引コストがなければ「統計的な仲裁」ができないことを示している。
  論文  参考訳（メタデータ） (2021-03-22T15:38:25Z)
• Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
  本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。 本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
  論文  参考訳（メタデータ） (2021-01-28T05:52:18Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• Beating the market with a bad predictive model [0.0]
  我々は、価格予測モデルに完全に劣る体系的な利益を一般的に得ることを証明している。 鍵となるアイデアは、予測モデルのトレーニング目標を変更して、それを市場から明示的にデコレーションすることだ。
  論文  参考訳（メタデータ） (2020-10-23T16:20:35Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。