学习不公平交易：一个来自美国的市场操纵分析

我们将γ设为0.95并求解（4）。表3显示了这些变化的结果，我们看到，在新的条件下，ping不再像§5.3中的基线那样是最佳的。i、 只有诚实的行为才能被交易者接受。这意味着与ping相关的业务的核心不再是可盈利的，因为必须向代理方支付高昂的成本——ping可能会产生利润，但不足以支付交易成本。iii.增加流动性的不确定性最后，停止ping交易的第二种尝试是改变转换函数，这是一种将不确定性应用于ping对市场流动性的潜在影响的机制。我们采用§5.3中的基准。i、 以及§5.2中描述的相同过渡。三、我们将γ设为0.95并求解（4）。表3再次显示了这些变化的结果，我们看到，在为ping交易对流动性的影响提供不确定性的机制下，ping在一些观察到的状态下仍然是一种最佳行为，表明它对增加交易成本更有效，如§5.3所示。二、与Spoofing中的结果类似。6结论（PO）MDP模型的结果表明，它们可以预测行为，并且在所有参与者承担相同直接成本的受监管市场中，操纵交易和诚实交易可以共存。我们发现，在贸易商试图最大化投资增长的同时，欺骗和ping交易都是最佳的投资策略，但市场监管机构可以通过对市场流动性实施机制来阻止这些策略的使用，如果增加了fine（用于欺骗）或通过增加直接交易成本（ping），这种执行将更加有效。然而，我们的模型适用于牛市条件，如果我们改变交易行为的方向，我们预计将适用于熊市。

其他不存在趋势的情况可能会产生操纵动机，以此推动市场。此外，在ping中，HFT可以选择避免ping订单，并分析资产订单流动的可预测性，以推断隐藏流动性的存在，从而节省直接交易成本。进一步的研究可以集中于将模型应用于真实的市场数据和更复杂的投资组合中，并验证针对欺骗/敲打交易者进行的无心操纵所提供建议的有效性。参考文献[Aggarwal and Wu 2006]Aggarwal，R.和Wu，G.2006。股市操纵。商业杂志79（4）：1915-1954。[Aktas 2013]Aktas，D.D.2013。欺骗。银行和金融法回顾33（89）：89-98。[Allen and Gale 1992]Allen，F.，and Gale，D.1992。股价操纵。财务研究回顾5（3）：503–529。[Baffa and Ciarlini 2010]Baffa，A.C.E.和Ciarlini，A.E.M.2010。为POMDP建模，以生成和模拟股票投资政策。2010年ACM应用计算研讨会论文集，2394–2399。ACM。[Brunnermeier and Pederse 2005]M.K.Brunnermeier and Pederse，L.H.2005。掠夺性交易。《金融期刊》60（4）：1825-1863。[Cao等人，2013]曹，Y。；李，Y。；科尔曼。；贝拉特雷奇，A。；麦金尼，T.M.2013。具有异常状态的隐马尔可夫模型，用于检测股价操纵。在系统、人与控制论（SMC）领域，2013年IEEE国际会议，3014–3019。[Cao等人，2014]Cao，Y。；李，Y。；科尔曼。；贝拉特雷奇，A。；麦金尼，T.M.2014。检测金融市场中的价格操纵。金融工程经济学计算智能（CIFEr），2104年IEEEConference on，77–84。[Diaz Solis，西奥多利迪斯和桑帕约2011]Diaz Solis，D。；西奥多利迪斯，B。；桑帕约，2011页。

利用应用于日内交易价格的知识发现技术分析股票市场操纵。具有应用程序的专家系统38（10）。[Goldstein and Guembel 2008]加利福尼亚州Goldstein和A.Guembel，2008。操纵和价格的分配作用。经济研究综述75（1）：133–164。[Golmhammadi，Zaiane和Diaz 2014]Golmhammadi，K。；Zaiane，O。；和Diaz，D.R.2014。使用监督学习算法检测股票市场操纵。《数据科学与高级分析》（DSAA），2014年国际数据科学与高级分析会议，第435–441页。IEEE。[Hillion and Suominen 2004]Hillion，P.和Suominen，M.2004。操纵收盘价。金融市场杂志7（4）：351-375。[Jarrow 1992]Jarrow，R.1992。市场操纵、泡沫、拐弯和空头挤压。金融与定量分析杂志27（03）：311–336。[Kaelbling，Littman和Cassandra 1998]Kaelbling，L.P。；利特曼。；和Cassandra，A.R.1998。在部分可观测的随机区域中规划和行动。艺术情报101（1）：99–134。[Khwaja and Mian 2005]Khwaja，A.I.和Mian，A.2005。不受约束的中介机构：新兴股市中的价格操纵。金融经济学杂志78（1）：203-241。[Kong and Wang 2014]Kong，D.和Wang，M.2014。操纵者的扑克：中国股市基于指令的操纵。新兴市场金融与贸易50（2）：73-98。[Ledgerwood and Carpenter 2012]Ledgerwood，S.D.and Carpenter，P.R.2012。分析市场操纵的框架。法律与经济评论8（1）：253-295。[Lee，Eom和Park 2013]Lee，E.J。；Eom，K.S。；朴槿惠，K.S.2013。基于微观结构的操纵：欺骗交易者的策略行为和表现。金融市场杂志16（2）：227-252。[Nevmyvaka，Feng和Kearns 2006]Nevmyvaka，Y。；冯，Y。；和卡恩斯，M.2006。

强化学习以优化交易执行。第23届国际机器学习会议记录，673-680。ACM。[O\'Hara 1998]O\'Hara，M.1998。市场微观结构理论。约翰·威利父子公司。[Oˇg¨ut，Doˇganay和Aktas¨2009]¨Oˇg¨ut，H。；杜加奈，M.M。；和Aktas,，R.2009。在新兴市场中发现股价操纵：土耳其的案例。专家系统与应用36（9）：11944–11949。[Pardo 2008]Pardo，R.2008。交易策略的评估和优化。威利。[Pirrong 2004]Pirrong，约2004年。检测操纵期货市场：费鲁齐大豆事件。《美国法律与经济评论》6（1）：28-71。[Rossi et al.2015]Rossi，M。；戴斯，G。；罗氏。；普兹瓦拉，K.2015。近期涉及高频交易的民事和刑事执法行动。投资合规杂志16（1）：5-12。[Scopino 2015]Scopino，G.2015。高速“ping”和“front running”在未来市场的合法性（值得怀疑）。康涅狄格州法律评论47（3）：607-697。[Sutton and Barto 1998]R.S.Sutton and Barto，A.G.1998。强化学习导论。美国马萨诸塞州剑桥：麻省理工学院出版社，第1版。[Yang等人2012]Yang，S。；帕德里克，M。；海斯，R。；托德，A。；基里连科，A。；贝林，P。；谢勒，W.2012。识别高频交易策略的基于行为的学习。金融工程与经济计算智能（CIFEr），2012年IEEE会议，1-8。IEEE。