Newest papers

Agentic AI in Automated Markets

Irene Aldridge, Lourenco Belleau-Bhowmik, James Chan, Josh Chang, Kelly Deng, Pranav Dhingra, Xinda Ding, Haodong Fang, Satya Hanumanchi, Carter He, Shuang He, Yadong Hou, Vallab Karanam, Rithvik Kasarla, Tishya Khanna, Jihyun Kim, Sarah Konety, Abhinav Kotta, Andersson Lo, Jake Luther · 2026 · SSRN Electronic Journal

DOI: 10.2139/ssrn.7616563 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Các thị trường tự động ngày càng lưu trữ các đại lý giao dịch tự trị, học tập và được hỗ trợ bởi các nhà tạo thị trường tự động công thức (AMM). Chúng tôi nghiên cứu cách hành vi của các đại lý không đồng nhất định định hình thành căng thẳng, hiệu suất điều chỉnh rủi ro, thanh khoản và biến động trong các loại thị trường này. Ba nguyên mẫu hành vi được mô hình hóa như các hệ thống tăng cường học tập đại lý (RL): một trọng tài hợp lý, một người thao túng và một người theo dõi chi tiêu bán lẻ. Mỗi nguyên mẫu được xác định bởi chức năng phần thưởng của nó trong một môi trường kiểm soát tiếp xúc thông thường, không đồng ý với tài sản, và mỗi người được đào tạo với một mạng lưới Q sâu dựa trên giá trị (DQN) và

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

Abstract

Automated markets increasingly host autonomous, learning trading agents and are powered by formulaic automated market makers (AMMs). We study how heterogeneous agent behavior shapes stress, risk-adjusted performance, liquidity, and volatility in these types of markets. Three behavioral archetypes are modeled as agentic reinforcement learning (RL) systems: a rational arbitrageur, a manipulator, and a retail herd-follower. Each archetype is defined by its reward function within a common, asset-agnostic exposure-control environment, and each is trained with a value-based Deep Q-Network (DQN) and

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

Topics: Reinforcement learning, Volatility (finance), Archetype, Sharpe ratio, Economics, Artificial intelligence

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