通过多智能体模拟方法探索复杂适应性金融交易环境是量化金融领域中创新的方法。我们设计了一种基于小规模元启发式方法的多智能体模拟方法，旨在代表澳大利亚政府债券交易的不透明双边市场，捕捉银行之间的双边交易特性，也称为 “场外交易”，通常发生在 “做市商” 之间。我们探讨市场刚性对市场结构的影响，并考虑市场设计中的稳定性因素，这扩展了对复杂金融交易环境的讨论，提供了对其动态和影响的更深入的理解。

May, 2024

本文提出一种新的预测市场模型，使用风险度量来建模市场中的代理人，并引入市场制造商来描述交易过程，分析表明，整个市场有效地达到了全局目标，同时建立了机器学习与市场之间的密切联系。

Mar, 2014

构建金融交易仿真器的能力，包括重现限价委托簿的动态，能够对许多反事实情景提供洞见，如闪崩、追加保证金或宏观经济前景的变化。近年来，已开发了能够重现交易所许多特征的基于代理的模型，由一组简化事实和统计数据总结。然而，将仿真器校准到特定的交易期间仍然是一个待解决的挑战。在本文中，我们借鉴深度学习的最新进展，特别是使用神经密度估计器和嵌入网络，提出了一种新的市场仿真器校准方法。我们证明了我们的方法能够正确识别高概率参数集，无论是应用于合成数据还是历史数据，而无需依赖手动选择或加权的简化事实集合。

Nov, 2023

本研究提出了一个通用建模框架，综合了文献中提出的各种建模方法，证明了最优市场制造策略的存在和特征，并针对多资产市场制造将模型框架扩展至通用的闭式近似方法。

May, 2016

利用 Euronext 提供的 CAC40 数据集，本文构建了一个无监督学习模型，通过三元组损失函数，有效地学习了代理市场订单的表示。通过获得此学习表示，我们能够在代理订单的学习表示向量上使用 K 均值聚类算法来识别每个聚类中的不同行为类型。

Jun, 2023

本文提出了一种高保真度的极限订单簿交易市场模拟，并使用其设计了一个使用时序差分强化学习方法的市场制造代理，为此我们使用线性组合的 “瓷砖编码” 作为价值函数逼近器，并设计了一个自定义的奖励函数，控制库存风险。通过显示我们的代理优于简单基准策略和文献中的最新在线学习方法，我们展示了我们方法的有效性。

Apr, 2018

该研究提出了一种基于深度神经网络的模型的 Actor-Critic 算法，用于解决市场做市商在企业债券市场中的报价优化问题。

Oct, 2019

该论文提出了一种使用智能交通管理基础设施来管理未来城市道路网络的分布式机制，其中智能自主车辆通过软件代理操作以安全高效地穿过道路网络，并结合竞争性市场所得到的交通分配策略，构建了一个自上而下的管理机制。

Jan, 2014

本文介绍了一个简单的动态匹配模型，该模型适用于网络市场，在该市场中，代理商随机进入和离开，并且代理商之间的可接受交易的网络形成一个随机图。从等待时间，优化和信息三个方面分析了我们的模型。我们分析的主要见解是等待以加强市场可能比增加交易速度更加重要，这在等待成本存在的情况下是相当稳健的。从优化的角度来看，选择匹配代理商的正确时间但不利用全局网络结构的本地算法可以非常接近最优算法。从信息的角度来看，采用即使是代理商离开时间的部分信息的算法要比缺乏此类信息的算法表现得更好。为了引出代理商的离开时间，我们设计了一个激励兼容的连续时间动态机制，无需转移。

Feb, 2014

本文提出了利用市场力量鼓励多智能体系统中的协作行为，以应对智能驾驶或者工厂作为服务的具有相互冲突目标的混合动机场景。作者在包括囚徒困境博弈等迭代环节中证明了他们提出的市场推荐机制可以持续地学习协作策略，并证明在不同的智能体数量上，在时间和空间上的考验下，利用市场力量可以提高整体效果和智能体单个回报。

Jul, 2022