Grant: Collaborative Research and Development Grants
Université de Montréal
$28,783.00
Application des méthodes d'apprentissage machine au problème d'inventaire dans les stratégies algorithmiques à haute fréquence: une approche via un simulateur du marché
FY 2017-18
Summary
En collaboration avec la Banque Nationale du Canada (BNC) nous proposons d'étudier le problème d'inventaire dans les stratégies algorithmiques à haute fréquence. L'équipe de courtage algorithmique a le mandat de développer des stratégies automatisées à haute fréquence pour répondre aux besoins issus des différentes opérations de la banque. Au cours d'une première collaboration (subvention d'engagement partenarial), l'équipe s'est concentrée sur le développement d'un algorithme de simulation capable de reproduire les effets de microstructure qui sont au coeur des relations entre les différentes variables dictant l'évolution des prix. La conception de ce simulateur s'orientait vers son utilisation dans l'évaluation de stratégies algorithmiques hors-production. Cette nouvelle collaboration a pour objectif d'utiliser ce simulateur et de le faire évoluer vers un générateur de flux artificiel d'ordres du marché, lequel sera déployé dans l'implémentation d'une famille de stratégies optimales développées au moyen de méthodes d'apprentissage machine. En particulier, le simulateur développé au cours de la première collaboration jouera un rôle de générateur d'ordre du marché qui permettra d'explorer des méthodes d'apprentissage par renforcement.
Program
Collaborative Research and Development Grants
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
513295-2017
Name nom
Morales, Manuel
Department département
Mathématiques et de statistique
Organization id
63
Institution établissement
Université de Montréal
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2017
Competition year année de concours
2017
Award amount
28783
Program id
CRDPJ
Program name en
Collaborative Research and Development Grants
Program name fr
Subventions de recherche et développement coopérative
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
96
Committee name en
RPP Internal Decision Cttee
Committee name fr
Cté de décision interne - PPR
Area of application code
900
Area of application group en
Commercial services
Area of application group fr
Services commerciaux
Area of application en
Commercial services
Area of application fr
Services commerciaux
Research subject code
2717
Research subject group en
Information technology
Research subject group fr
Technologie de l'information
Research subject en
Modelling and simulation studies
Research subject fr
Études de modélisation et de simulation
Partie
1
Nb partie
2
Application title
Application des méthodes d'apprentissage machine au problème d'inventaire dans les stratégies algorithmiques à haute fréquence: une approche via un simulateur du marché
Keyword
NSERC
Application summary
En collaboration avec la Banque Nationale du Canada (BNC) nous proposons d'étudier le problème d'inventaire dans les stratégies algorithmiques à haute fréquence. L'équipe de courtage algorithmique a le mandat de développer des stratégies automatisées à haute fréquence pour répondre aux besoins issus des différentes opérations de la banque. Au cours d'une première collaboration (subvention d'engagement partenarial), l'équipe s'est concentrée sur le développement d'un algorithme de simulation capable de reproduire les effets de microstructure qui sont au coeur des relations entre les différentes variables dictant l'évolution des prix. La conception de ce simulateur s'orientait vers son utilisation dans l'évaluation de stratégies algorithmiques hors-production. Cette nouvelle collaboration a pour objectif d'utiliser ce simulateur et de le faire évoluer vers un générateur de flux artificiel d'ordres du marché, lequel sera déployé dans l'implémentation d'une famille de stratégies optimales développées au moyen de méthodes d'apprentissage machine. En particulier, le simulateur développé au cours de la première collaboration jouera un rôle de générateur d'ordre du marché qui permettra d'explorer des méthodes d'apprentissage par renforcement.