論文の概要: Generating Realistic Stock Market Order Streams

• arxiv url: http://arxiv.org/abs/2006.04212v1
• Date: Sun, 7 Jun 2020 17:32:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 08:39:18.888431
• Title: Generating Realistic Stock Market Order Streams
• Title（参考訳）: 不動産市場秩序ストリームの生成
• Authors: Junyi Li, Xitong Wang, Yaoyang Lin, Arunesh Sinha, Micheal P. Wellman
• Abstract要約: 本稿では,GAN(Generative Adversarial Network)に基づいて,現実的で高忠実な株式市場データを生成する手法を提案する。 我々のストック-GANモデルは、注文の履歴依存を捉えるために条件付きワッサースタインGANを使用している。
• 参考スコア（独自算出の注目度）: 18.86755130031027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an approach to generate realistic and high-fidelity stock market data based on generative adversarial networks (GANs). Our Stock-GAN model employs a conditional Wasserstein GAN to capture history dependence of orders. The generator design includes specially crafted aspects including components that approximate the market's auction mechanism, augmenting the order history with order-book constructions to improve the generation task. We perform an ablation study to verify the usefulness of aspects of our network structure. We provide a mathematical characterization of distribution learned by the generator. We also propose statistics to measure the quality of generated orders. We test our approach with synthetic and actual market data, compare to many baseline generative models, and find the generated data to be close to real data.
• Abstract（参考訳）: 本稿では,gans(generative adversarial network)に基づく現実的で忠実な株式市場データを生成する手法を提案する。 当社のストックganモデルは条件付きwasserstein ganを使用して注文の履歴依存性をキャプチャする。 ジェネレータの設計には、市場のオークション機構を近似するコンポーネントを含む特別に製作された側面が含まれており、注文帳構造による注文履歴を増強して生成タスクを改善する。 本研究は,ネットワーク構造の有用性を検証するためのアブレーション研究である。 生成器が学習した分布の数学的特徴付けを行う。 また,生成順序の質を測定する統計も提案する。 我々は、合成および実際の市場データを用いてアプローチを検証し、多くのベースライン生成モデルと比較し、生成したデータを実データに近いものにする。

関連論文リスト

• TRADES: Generating Realistic Market Simulations with Diffusion Models [4.308104021015939]
  金融市場は、高い統計ノイズ、非線形性、一定の進化を特徴とする複雑なシステムである。 我々は,現実的で応答性の高いリミットオーダーブック(LOB)市場シミュレーションを作成するタスクに対処する。 LOBシミュレーションのための新しいデノイング拡散確率エンジン(TRADES)を提案する。
  論文  参考訳（メタデータ） (2025-01-31T19:43:13Z)
• Deep Learning Meets Queue-Reactive: A Framework for Realistic Limit Order Book Simulation [0.0]
  MDQR(Multidimensional Deep Queue-Reactive Model)を提案する。 このモデルは待ち行列独立の仮定を緩和し、市場特徴で状態空間を豊かにし、注文サイズの分布をモデル化する。 Bund Futures Marketのデータを用いて、MDQRは市場影響の平方根法則、クロスキュー相関、現実的なオーダーサイズパターンなどの重要な市場特性を捉えていることを示す。
  論文  参考訳（メタデータ） (2025-01-15T14:19:20Z)
• Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
  時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。 既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。 本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
  論文  参考訳（メタデータ） (2024-11-24T04:56:45Z)
• Deep Generative Modeling for Financial Time Series with Application in VaR: A Comparative Review [22.52651841623703]
  ヒストリカル・シミュレーション(HS)は、翌日にリスクファクターの予測分布が戻ると、ヒストリカル・ウィンドウにおける日々のリターンの実証的な分布を利用する。 HS, GARCH および CWGAN モデルは, 歴史的USD 収率曲線データと GARCH および CIR プロセスからシミュレーションした追加データの両方で試験される。 研究によると、トップパフォーマンスモデルはHS、GARCH、CWGANモデルである。
  論文  参考訳（メタデータ） (2024-01-18T20:35:32Z)
• Generative AI for End-to-End Limit Order Book Modelling: A Token-Level Autoregressive Generative Model of Message Flow Using a Deep State Space Network [7.54290390842336]
  本稿では,トークン化制限順序帳(LOB)メッセージを生成するエンドツーエンドの自動回帰生成モデルを提案する。 NASDAQ の株式 LOB を用いて、メッセージデータのためのカスタムトークン化器を開発し、逐次桁の群をトークンに変換する。 結果は,低モデルパープレキシティによって証明されたように,データの分布を近似する上で有望な性能を示す。
  論文  参考訳（メタデータ） (2023-08-23T09:37:22Z)
• TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
  時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。 本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
  論文  参考訳（メタデータ） (2023-05-19T10:11:21Z)
• DSLOB: A Synthetic Limit Order Book Dataset for Benchmarking Forecasting Algorithms under Distributional Shift [16.326002979578686]
  電子取引市場において、リミットオーダーブック(LOB)は、所定のセキュリティのための様々な価格レベルで、保留中の購入/販売注文に関する情報を提供する。 近年、下流機械学習タスクの解決にLOBデータを使うことへの関心が高まっている。
  論文  参考訳（メタデータ） (2022-11-17T06:33:27Z)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• Data-to-text Generation with Macro Planning [61.265321323312286]
  本稿では,マクロ計画段階のニューラルモデルと,従来の手法を連想させる生成段階を提案する。 提案手法は, 自動評価と人的評価の両面で, 競争ベースラインを上回っている。
  論文  参考訳（メタデータ） (2021-02-04T16:32:57Z)
• Partially Conditioned Generative Adversarial Networks [75.08725392017698]
  Generative Adversarial Networks (GAN)は、実世界のトレーニングデータセットの基盤となる確率分布を暗黙的にモデル化することで、人工データセットを合成する。 条件付きGANとその変種の導入により、これらの手法はデータセット内の各サンプルで利用可能な補助情報に基づいて条件付きサンプルを生成するように拡張された。 本研究では,標準条件付きGANがそのようなタスクに適さないことを論じ,新たなAdversarial Networkアーキテクチャとトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-07-06T15:59:28Z)
• Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
  本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。 本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
  論文  参考訳（メタデータ） (2020-05-08T21:32:42Z)

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。