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

Japanese

強化学習(RL)は、複雑なダイナミクスが分析戦略を取得しにくいときに、金融の最適なコントロールの問題のためにますます使用されます。 多くの解決されたモデルを提供する金融数学文献があります 方程式とコントロールが評価し、学習を導くことができます; RLがこれらの結果を活用できるかどうかを尋ねます。 私たちは、分析的に解決された継続的な時間のブローカー - トレーダーゲームに近接的なポリシー最適化(PPO)エージェントを配置します。 PPOはブローカーを置き換え、知られたトレーダーと相互作用しながら取引速度を選択します。

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