Multi-Agent Reinforcement Learning for Market Making: Competition without Collusion
Created by
Haebom
Category
Empty
저자
Ziyi Wang, Carmine Ventre, Maria Polukarov
개요
본 논문은 시장에서 다양한 AI 에이전트 간의 상호 작용이 담합으로 이어질 수 있는지, 또는 시장 지배력을 행사하는지 연구하는 AI 알고리즘 담합 문제를 다룬다. 계층적 다중 에이전트 강화 학습 프레임워크를 제안하여 시장 조성에서 알고리즘 담합을 연구하며, 경쟁 환경에서 각 에이전트의 행동과 시장 결과에 미치는 영향을 분석한다.
시사점, 한계점
•
시사점:
◦
에이전트 B2는 제로섬 환경에서 B1을 상대로 지배적인 성과를 보여주며, 공격적인 주문 흐름 포착과 평균 스프레드 축소를 통해 시장 실행 효율성을 향상시킨다.
◦
에이전트 B$^\star$는 이익 추구 에이전트와 공존할 때 자기 이익 지향적 경향을 보이며, 적응형 호가를 통해 지배적인 시장 점유율을 확보하면서도, A와 B1의 보상에 미치는 부정적 영향을 B2보다 완화한다.
◦
적응형 인센티브 제어가 이질적인 에이전트 환경에서 더욱 지속 가능한 전략적 공존을 지원하며, 알고리즘 거래 시스템의 행동 설계를 평가하기 위한 구조화된 렌즈를 제공한다.
