論文の概要: Deep Probabilistic Modelling of Price Movements for High-Frequency
Trading
- arxiv url: http://arxiv.org/abs/2004.01498v1
- Date: Tue, 31 Mar 2020 19:25:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 00:40:43.206499
- Title: Deep Probabilistic Modelling of Price Movements for High-Frequency
Trading
- Title(参考訳): 高周波取引における価格変動の深部確率モデル
- Authors: Ye-Sheen Lim, Denise Gorse
- Abstract要約: 本稿では、高周波市場価格の確率論的モデリングのための深い再帰アーキテクチャを提案する。
結果として生じる深層混合モデルは、自動化された高周波取引戦略の開発において重要ないくつかの実践的課題に同時に対処する。
このモデルでは,メトリックベーステストとシミュレートされたトレーディングシナリオの両方において,ベンチマークモデルよりも優れていることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we propose a deep recurrent architecture for the probabilistic
modelling of high-frequency market prices, important for the risk management of
automated trading systems. Our proposed architecture incorporates probabilistic
mixture models into deep recurrent neural networks. The resulting deep mixture
models simultaneously address several practical challenges important in the
development of automated high-frequency trading strategies that were previously
neglected in the literature: 1) probabilistic forecasting of the price
movements; 2) single objective prediction of both the direction and size of the
price movements. We train our models on high-frequency Bitcoin market data and
evaluate them against benchmark models obtained from the literature. We show
that our model outperforms the benchmark models in both a metric-based test and
in a simulated trading scenario
- Abstract(参考訳): 本稿では, 自動取引システムのリスク管理に重要な, 高周波市場価格の確率論的モデリングのための深い再帰アーキテクチャを提案する。
提案アーキテクチャでは,確率論的混合モデルを深部再帰ニューラルネットワークに組み込む。
得られた深層混合モデルは、文献でこれまで無視されていた自動高周波取引戦略の開発において重要ないくつかの実践的課題に同時に対処する。
1)価格変動の確率的予測
2)価格変動の方向と大きさの両方を客観的に予測する。
我々は、高周波bitcoin市場データに基づいてモデルをトレーニングし、文献から得られたベンチマークモデルに対して評価します。
私たちのモデルは、メトリックベーステストとシミュレートトレーディングシナリオの両方において、ベンチマークモデルよりも優れています。
関連論文リスト
- Neuro-Symbolic Traders: Assessing the Wisdom of AI Crowds in Markets [0.0]
私たちは、深層生成モデルを使用して購入/販売決定を行う仮想トレーダーの形式を開発します。
我々の枠組みでは、ニューロシンボリックトレーダーは、視覚言語モデルを使用して資産の基本的価値のモデルを発見するエージェントである。
これは過去のデータと比べて価格の抑制につながっており、将来の市場の安定へのリスクを浮き彫りにしている」と述べた。
論文 参考訳(メタデータ) (2024-10-18T16:37:52Z) - A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。
本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
論文 参考訳(メタデータ) (2024-05-03T20:45:00Z) - Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。
ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。
当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文 参考訳(メタデータ) (2024-02-12T16:15:25Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - Bi-LSTM Price Prediction based on Attention Mechanism [2.455751370157653]
我々は,金とビットコインという2つの一般的な資産をベースとした,注目機構に基づく双方向LSTMニューラルネットワークを提案する。
予測結果から2年間で1089.34%のリターンを得た。
また,本論文で提案したBi-LSTMモデルと従来のモデルとの比較を行い,本モデルが本データセットで最高の性能を示すことを示す。
論文 参考訳(メタデータ) (2022-12-07T03:56:11Z) - Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。
ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文 参考訳(メタデータ) (2022-10-28T14:38:50Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳(メタデータ) (2022-03-07T18:59:54Z) - Firearm Detection via Convolutional Neural Networks: Comparing a
Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。
これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。
従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文 参考訳(メタデータ) (2020-12-17T15:19:29Z) - Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。
トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文 参考訳(メタデータ) (2020-10-27T17:54:12Z) - Robust pricing and hedging via neural SDEs [0.0]
我々は,ニューラルSDEの効率的な利用に必要な新しいアルゴリズムを開発し,分析する。
我々は、関連する市場データを取り入れつつ、デリバティブの価格とそれに対応するヘッジ戦略の堅牢な境界を見出した。
ニューラルSDEはリスクニュートラルと現実世界の両方で一貫したキャリブレーションを可能にする。
論文 参考訳(メタデータ) (2020-07-08T14:33:17Z) - A Time Series Analysis-Based Stock Price Prediction Using Machine
Learning and Deep Learning Models [0.0]
我々は、統計的、機械学習、ディープラーニングモデルの集合から成り立つ、非常に堅牢で正確な株価予測の枠組みを提示する。
当社は、インドの国立証券取引所(NSE)に上場している非常に有名な企業の、毎日の株価データを5分間隔で収集しています。
統計,機械学習,深層学習を組み合わせたモデル構築の凝集的アプローチは,株価データの揮発性およびランダムな動きパターンから極めて効果的に学習できる,と我々は主張する。
論文 参考訳(メタデータ) (2020-04-17T19:41:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。