限价订单簿下在线做市的最优遗憾

基于摘要分析。本文研究限价订单簿反馈下的在线做市：做市商每轮先提交买价与卖价，再面对市场价格和交易者的私人估值，且只有未发生交易时才能获知估值。核心贡献是在交易者估值来自未知分布的独立同分布抽样、市场价格由对抗方式选择的前提下，改进遗憾保证，并刻画随机估值假设的必要性。 方法上，作者先分析完全反馈情形，使用两个耦合网格离散化买卖报价空间，再结合 Hedge。随后将这些思路扩展至限价订单簿产生的更弱反馈，构造具有相同遗憾阶数保证的算法。摘要未提供网格构造、弱反馈估计方式、参数选择或计算复杂度，具体机制尚未验证。 理论结果方面，作者报告：在上述随机估值与对抗市场价格协议下，相较 Maran et al. 2026 的期望遗憾界 Õ(T^{2/3})，本文获得高概率遗憾界 Õ(√T)，其中 T 为交互轮数。两者不仅阶数不同，概率保证形式也不同，不能作为同一统计口径的实验分数直接比较；置信参数及隐藏对数项尚需正文核对。作者还报告，当市场价格与交易者估值均可由对抗方式选择时，即使完全反馈也无法实现次线性遗憾。该结论限定于其理论环境，不应外推为所有在线学习任务均不可学习。 本文属于通用在线学习理论，而非 EEG 或 BCI 验证。摘要尚不足以建立订单簿反馈与 EEG 数据采集或解码之间的明确机制对应，因此不据此提出已验证的迁移价值或具体实验方案。遗憾比较基准、证明条件、实验协议、消融及统计信息尚未验证；已有 EEG 相关工作尚未检索确认。