基于做市商过度自信行为的市场均衡分析

针对做市商的过度自信行为对金融市场的影响,通过建立的数学模型对市场均衡时的价格波动、市场交易量、价格质量、市场深度以及市场参与者的利润做了相应的分析。结果表明:做市商的过度自信行为对市场的影响不同于以往研究中过度自信的信息交易者。在市场均衡时,做市商的过度自信行为使得市场交易量增大、市场深度增大、价格质量改善,同时价格波动降低,即做市商的过度自信行为提高了市场的流动性、稳定性与有效性。另外,市场中的信息交易者与噪音交易者都能从做市商的过度自信行为中获利,但同时过度自信行为会损害做市商的利益,影响其在市场中的地位。较小程度的过度自信不会使做市商退出市场,其对市场的影响得以维持;但当这种过度自信达到一定程度后,做市商就会退出市场。     

基于时变逆风参数的适应性金融市场动力学模型

建立了进化的适应性金融市场模型,通过引入时变的逆风参数,将其作为内生变量,以及进化的适应性测度来说明在一个三类投资者的市场中,有了逆风者的参与,在一定范围内,通过调整逆风者在图表分析者中所占的比例,可以使得市场趋于稳定,活跃市场;同时讨论了选择强度以及做市商敏感度两类参数对稳定性区域的影响.     

库存计划的稳定性和公司激励机制

文章讨论了在制造生产管理中库存计划的稳定性和公司激励机制 .公司通过工资制度激励工人 .构造了一个以公司和工人为目标的双目标规划模型 ,同时模型中考虑了库存计划的稳定性 .最后讨论了模型分别在制造加工速度由市场外部条件决定和由公司内部决策两种情况下的应用 .     

基于多期有限理性的可再生资源寡头博弈模型与分析

本文讨论多期有限理性条件下可再生资源开发的寡头博弈模型。在每个经济时期以实现多个相邻时期的总贴现利润最大化为目的而得到双寡头决策者资源开发的最优策略组合,并以各期最优策略组合构建资源开发决策的动力系统。通过对系统的动力学分析,讨论了系统中各参数对系统的稳定性与稳定状态的作用与影响,并给出了相应的经济解释。分析了反馈控制系统的稳定性。最后通过对系统的数值模拟,分析了各参数的取值变化与系统稳定速度之间的关系。本文通过系统的稳定性分析获得的主要结论是,资源市场竞争的稳定与可持续发展与决策者注重后期经济利益的决策理性密切相关。     

内部交易行为对股票价格影响机制研究

上市公司的内部人或者机构投资者通常拥有比其他投资者更多的信息,诸多实证研究已经证明内部交易者能够利用私有信息在市场中获利.我国自2014年起开始在新三板市场中实施做市商制度,在这一大背景下,主要对内部交易者的交易行为进行了理论预测性研究.在经典的信息模型框架下,通过讨论股票价格的鞅性,建立了一种带有预防对冲策略控制系数的风险厌恶模型.模型表明内部交易者可以充分利用私有信息对做市商的定价进行预测,并且有针对性的选择交易策略以获利.     

一类具有Allee效应的捕食系统的稳定性分析及模拟

建立了食饵具有Allee效应的捕食模型,讨论了系统的有界性和平衡点的存在性.并证明了平衡点的局部渐近稳定性,进而通过构造Lyapunov函数分析了正平衡点的全局渐近稳定性,利用数值模拟讨论了Allee效应对系统的影响:Allee效应是系统的不稳定因素.     

具有Holling Ⅱ型功能性反应的LKE模型研究

在传统的食饵-捕食者模型的基础上,生物学家根据化学元素对系统的影响,建立了含有元素循环的食饵-捕食者模型(LKE模型).考虑具有HollingⅡ型功能反应的LKE模型,分析了系统内部平衡点存在的条件及其稳定性,对可能出现的几种分支现象,给出了对应的参数值,最后通过数值模拟验证所得理论结果.     

具有不耐烦顾客和多重工作休假的排队库存系统

研究具有不耐烦顾客和多重工作休假的M/M/1/N排队库存系统模型,分别考虑了系统中库存为零时服务员休假和系统中顾客数为零时服务员休假两种休假方式,基于(s,S)库存策略,运用矩阵迭代方法得到了系统稳态概率分布,并给出系统相关性能指标,进而建立系统平均库存费用函数.通过数值算例对比分析了两种休假方式下的系统主要参数变化对系统重要性能指标的影响,并在最优费用的层面对两个模型的优劣进行了对比分析.     

带有可变库存费用和短缺的变质性物品的经济批量模型

传统的经济批量模型通常都假定物品的库存费用是固定不变的.放松了这个假定,通过考虑库存费用的两种可能变化情形即(A)库存费的变化率为存储时间的函数;(B)库存费的变化率为库存量的函数,并在需求线性依赖于库存水平的形式下,发展了两个变库存费的变质性物品的经济批量模型.在模型中允许短缺发生且假定短缺完全拖后,理论上证明了模型具有唯一的整体最优解,揭示了库存费的变化对库存系统最优订货策略的影响.     

食饵带有扩散的生态—流行病模型的分析

研究了食饵发生扩散且捕食者染病的生态-流行病模型,利用比较定理得到了系统永久持续生存的充分性条件,表明了扩散对系统的持续生存有着很大的影响,并通过定义Liapunov泛函进一步研究了正平衡位置的全局稳定性,这意味着疾病会永远持续下去.     

电力市场实用稳定性的判定条件

首次把实用稳定性的理论用于电力市场稳定性的研究中.结合Alvarado提出的电力市场动态模型,利用微分代数方程与特征值技术,从理论上研究电力市场的实用稳定性,并且给出了判断电力市场实用稳定、一致实用稳定和实用渐近稳定性的充分条件.利用这些实用稳定性条件,对于Alvarado给出的数值算例,可方便地利用初始数据判断电力市场模型的实用稳定性,并通过实例提供了假设模型中某个参数在电力市场变化中起主要作用,如何控制电力市场模型实用稳定性的方法.最后利用Maple软件包给出了参数变化引起模型实用稳定和不稳定的图形演示.     

Optimal Market Making in the Foreign Exchange Market

Abstract

This paper is concerned with optimal market making in the foreign exchange market. The market maker's holdings in the different currencies are modelled as stochastic processes that are influenced by both the stochastic exchange rates and the stochastic customer buy and sell orders. The market maker can control their own bid and ask price quotes and, additionally, can buy and sell at other market participants' quotes. The resulting stochastic control problem consists of a controlled diffusion problem for the optimal quotes and a singular control problem for optimal trades at other market participants' quotes. A Markov chain approximation is used to derive optimal strategies.     

基于贝叶斯信息更新的风险规避库存策略研究

在贝叶斯库存控制研究中一个著名的结论是：当缺货需求不能被观测到时,最优贝叶斯库存水平总会高于短视策略库存水平,原因是决策者需要通过多订货来获取对需求分布的认识. 这是基于风险中性的研究,然后现实中决策者都期望规避风险. 基于贝叶斯信息更新研究了风险规避背景下需求部分可观测的多周期报童问题,决策者的周期内效用函数满足独立可加性公理. 通过引入非正规化概率,研究发现,对风险规避的决策者,当其效用函数具有不变绝对风险规避特征时,最优贝叶斯库存水平也会高于短视策略库存水平. 非正规化概率简化了动态规划方程与结果的证明.     

房地产市场供求均衡与房地产价格研究——以北京商品房市场为例

中国房价上涨幅度较大,研究房地产供求市场及其价格,能把握房地产市场规律,促进房地产市场的平稳健康发展.研究从供求均衡理论角度分析了房地产市场的供求规律及其价格,通过建立商品房市场的供需动态均衡模型,以1990~2010年北京市商品房市场为例,对房地产市场的供求弹性、与长期均衡之间的关系及其对房地产价格的影响进行了实证研究与分析.研究表明房地产供给市场长期略具弹性,而需求市场长期弹性较大,价格对商品房市场的调节作用并不明显,实现房地产市场的供求均衡,需要政府力量的介入并对市场进行宏观调控.     

上升线性需求条件下考虑资金时间价值的变质性物品生产库存模型

变质性物品生产库存系统的研究具有重要实际意义.本文研究了变质性物品生产库存系统在上升趋势线性需求条件下,考虑资金的时间价值,在有限计划时间水平内,如何确定最优生产周期,各周期最优生产率,以及最优库存安排策略.通过本文的研究,得到了一些有用的结论.     

考虑库存和市场占有率的纵向一体化

本文将传统的双重加价模型扩展到包含库存因素的上下游厂商均为垄断企业、下游厂商为寡头垄断企业而上游厂商为完全垄断企业以及上游厂商为寡头垄断企业而下游厂商为完全垄断企业的一体化模型，着重探讨了库存成本和市场占有率对纵向一体化的影响。研究结果表明，只有在库存成本较低时，传统的结论才得以维持；一体化始终导致消费者福利上升而不受市场占有率的影响，但一体化使厂商的总利润增加要在市场占有率较高时才能实现。     

Nonlinear dynamics in a heterogeneous duopoly game with adjusting players and diseconomies of scale

A repeated, discrete time, heterogeneous Cournot duopoly game with bounded rational and adaptive players adjusting the quantities of production is subject of investigation. Linear inverse demand function and quadratic cost functions reflecting decreasing returns to scale are assumed. The game is modeled with a system of two difference equations. Evolution of outputs over time is obtained by iteration of a two dimensional nonlinear map. Existing equilibria and their stability are analyzed. In face of diseconomies of scale, bounded rational and adaptive duopolists are shown to experience a decrease in the latitude of their output adjustment decisions with respect to the market stability compared to constant returns to scale and ceteris paribus. Chaotic dynamics is confirmed to depend mainly on the adjustment behavior of the bounded rational player, who if overshoots leaves the adaptive player with limited opportunities to stabilize the market again, hence industries facing diseconomies of scale are found to be less stable than those with constant marginal costs. Complexity of the dynamical system is examined by means of numerical simulations, where the paper extends the results of other authors who considered analogous games assuming linear cost functions. Intermittent transition to chaos and attractor merging crisis are shown among others.     

Deep Reinforcement Learning for Market Making in Corporate Bonds: Beating the Curse of Dimensionality

ABSTRACT

In corporate bond markets, which are mainly OTC markets, market makers play a central role by providing bid and ask prices for bonds to asset managers. Determining the optimal bid and ask quotes that a market maker should set for a given universe of bonds is a complex task. The existing models, mostly inspired by the Avellaneda-Stoikov model, describe the complex optimization problem faced by market makers: proposing bid and ask prices for making money out of the difference between them while mitigating the market risk associated with holding inventory. While most of the models only tackle one-asset market making, they can often be generalized to a multi-asset framework. However, the problem of solving the equations characterizing the optimal bid and ask quotes numerically is seldom tackled in the literature, especially in high dimension. In this paper, we propose a numerical method for approximating the optimal bid and ask quotes over a large universe of bonds in a model à la Avellaneda–Stoikov. As classical finite difference methods cannot be used in high dimension, we present a discrete-time method inspired by reinforcement learning techniques, namely, a model-based deep actor-critic algorithm.