arXiv 论文：用神经网络逼近最优清仓策略的算子映射

chaumian · x · 2026-11-13

arXiv 新论文《Deep Learning for Operator Maps in Optimal Liquidation》(Donnelly、Galimberti 等)研究最优执行问题的解映射：在价格受一般瞬时冲击核影响时，基于 Abi Jaber 与 Neuman 的最优交易策略结构，证明该策略对模型参数(临时与瞬时价格冲击、基础价格过程)具有局部 Lipschitz 连续性，从而为神经网络近似提供理论依据。作者还提出了生成瞬时冲击核训练样本的方法、将核投影到有限维表示以输入神经网络的方法，以及基于库存与交易信号关系的降维方法；并用训练好的网络量化误设冲击核带来的潜在金融成本。