Newest papers

When a Correct Reward Is Not Enough: Diagnosing and Guiding PPO in an Analytically Solved Broker-Trader Game

Siu Tung Wong, Carlo Campajola · 2026 · arXiv

DOI: 10.48550/arXiv.2610.03598 · open-access PDF

Hindi

मजबूत सीखने (आरएल) का उपयोग अधिक से अधिक वित्तीय अनुकूल नियंत्रण मुद्दों के लिए किया जाता है जब जटिल गतिशीलता विश्लेषणात्मक रणनीतियों को प्राप्त करना मुश्किल बनाती है। वित्तीय गणित पाठ्यक्रम हैं जो कई सुलझाए गए मॉडल प्रदान करते हैं जिनके समानताओं और नियंत्रण सीखने का मूल्यांकन और मार्गदर्शन कर सकते हैं; हम पूछते हैं कि क्या आरएल इन परिणामों का लाभ उठा सकता है। हम एक निकटतम नीति अनुकूलन (पीपीओ) एजेंट को एक विश्लेषणात्मक रूप से सुलझाए गए निरंतर समय ब्रोकर-ट्रेडर गेम में रखते हैं।

Machine translation (Meta M2M100); the English original follows.

Abstract

Reinforcement learning (RL) is increasingly used for financial optimal-control problems when complex dynamics make analytical strategies difficult to obtain. There are financial mathematics literactures which provides many solved models whose equations and controls could evaluate and guide learning; we ask whether RL can exploit these results. We place a proximal policy optimisation (PPO) agent in an analytically solved continuous-time broker--trader game. PPO replaces the broker and chooses its trading speed while interacting with an informed trader and stochastic uninformed order flow. We de

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange