近日，由经济与管理学院薛杉博士（第一作者）、西南财经大学杜野副教授（通讯作者）、徐亮教授合作完成的论文 ''Adaptive Market Making with Inventory Constraints via Online Learning'' 被人工智能领域的CCF-A类顶级国际学术会议AAAI 2025主会接收。
做市商是一类通过连续提供金融资产的买入和卖出报价来提供流动性的市场参与者，其目标是实现利润最大化的同时，避免积累大量的金融资产头寸以控制存货风险。为了实现独立于模型的结果，在线学习理论被应用于设计不需要假设限价订单簿和资产价格的动态随机过程的做市策略。然而，现有的研究主要关注做市商利润而忽略了存货风险。为了解决这一局限性，本文在在线学习框架内开发了面临存货约束的做市策略。为了管理存货风险，我们提出了两类具有固定买卖价差的做市策略作为参考策略。每个参考策略都可以确保存货保持在受控状态，这使得为每一类参考策略设计的在线学习算法都能够满足存货约束。 与经典的在线学习模型不同的是，前者假设每个时期的收益函数都落在某个固定的有界区间内，而在我们的模型中，收益函数取决于某个状态变量（即存货规模）。因此，分析后悔上界的一个关键挑战是确定任意两个参考策略收益之差的上、下界，相较于没有存货约束的情况，证明这一边界在技术上会更加复杂。通过解决这些困难，我们证明了这些算法能够实现低后悔。实证结果验证了我们提出的算法在存货风险控制方面的优越表现。
微信号：海棠微经管
微博：@乐山师范学院经管院
QQ：1806179382
学院网：乐山师范学院经济管理学院http://jinggxy.lsnu.edu.cn/
责任编辑：王娟
文案：吴耀国
指导老师：陈聪
审核：陈聪
