El mercado making es el proceso mediante el cual un participante del mercado, llamado market maker, publica simultánea y repetidamente órdenes límite en ambos lados del libro de órdenes límite de un valor con el fin de proporcionar liquidez y generar beneficios. El mercado making óptimo implica el ajuste dinámico de los precios de oferta y demanda en respuesta al nivel actual de inventario del market maker y a las condiciones del mercado con el objetivo de maximizar una medida de retorno ajustada al riesgo. Este problema se plantea naturalmente como un proceso de decisión de Markov, un proceso de control estocástico (de inventario) en tiempo discreto. El aprendizaje por refuerzo, una clase de técnicas basadas en el aprendizaje a partir de observaciones y utilizadas para resolver procesos de decisión de Markov, se adapta especialmente bien a él. En los últimos años, ha habido un fuerte aumento en la popularidad de tales técnicas en el campo, impulsado en parte por una serie de éxitos del aprendizaje profundo por refuerzo en otros ámbitos. El objetivo principal de este documento es proporcionar una visión general exhaustiva y actualizada de las aplicaciones de vanguardia de (aprendizaje profundo) por refuerzo centradas en el mercado making óptimo. El análisis indicó que las técnicas de aprendizaje por refuerzo ofrecen un rendimiento superior en términos de retorno ajustado al riesgo sobre estrategias de mercado making más estándar, generalmente derivadas de modelos analíticos.