論文の概要: The Limit Order Book Recreation Model (LOBRM): An Extended Analysis
- arxiv url: http://arxiv.org/abs/2107.00534v1
- Date: Thu, 1 Jul 2021 15:25:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-02 13:27:49.660354
- Title: The Limit Order Book Recreation Model (LOBRM): An Extended Analysis
- Title（参考訳）: Limit Order Book Recreation Model (LOBRM):拡張解析
- Authors: Zijian Shi and John Cartlidge
- Abstract要約: マイクロ構造秩序書(LOB)は、金融資産の細かな先進需要と供給関係を描いている。
LOBRMは最近、貿易と引用(TAQ)データからLOBを合成することで、このギャップを埋めることを提案した。
我々はLOBRMの研究を拡張し、実世界のアプリケーションシナリオでの利用をさらに検証する。
- 参考スコア（独自算出の注目度）: 2.0305676256390934
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The limit order book (LOB) depicts the fine-grained demand and supply
relationship for financial assets and is widely used in market microstructure
studies. Nevertheless, the availability and high cost of LOB data restrict its
wider application. The LOB recreation model (LOBRM) was recently proposed to
bridge this gap by synthesizing the LOB from trades and quotes (TAQ) data.
However, in the original LOBRM study, there were two limitations: (1)
experiments were conducted on a relatively small dataset containing only one
day of LOB data; and (2) the training and testing were performed in a
non-chronological fashion, which essentially re-frames the task as
interpolation and potentially introduces lookahead bias. In this study, we
extend the research on LOBRM and further validate its use in real-world
application scenarios. We first advance the workflow of LOBRM by (1) adding a
time-weighted z-score standardization for the LOB and (2) substituting the
ordinary differential equation kernel with an exponential decay kernel to lower
computation complexity. Experiments are conducted on the extended LOBSTER
dataset in a chronological fashion, as it would be used in a real-world
application. We find that (1) LOBRM with decay kernel is superior to
traditional non-linear models, and module ensembling is effective; (2)
prediction accuracy is negatively related to the volatility of order volumes
resting in the LOB; (3) the proposed sparse encoding method for TAQ exhibits
good generalization ability and can facilitate manifold tasks; and (4) the
influence of stochastic drift on prediction accuracy can be alleviated by
increasing historical samples.
- Abstract（参考訳）: 制限秩序書(LOB)は金融資産の細粒度需要と供給関係を描いており、市場マイクロ構造研究で広く利用されている。
それでも、LOBデータの可用性と高コストは、より広範なアプリケーションを制限する。
LOBレクリエーションモデル(LOBRM)は、最近、貿易と引用(TAQ)データからLOBを合成することで、このギャップを埋めるために提案されている。
しかし、元々のlobrm研究では、(1)lobデータの1日だけを含む比較的小さなデータセットで実験を行い、(2)トレーニングとテストは非時系列的に実施され、結果としてタスクを補間として再構成し、潜在的に外観バイアスをもたらすという2つの制限があった。
本研究では、LOBRMの研究を拡張し、実世界のアプリケーションシナリオにおけるその利用を更に検証する。
まず, (1) 時間重み付き z スコアを LOB に付加し, (2) 通常の微分方程式カーネルを指数減衰カーネルに置き換えることで計算複雑性を小さくすることで, LOBRM のワークフローを推し進める。
実世界のアプリケーションで使用されるように、拡張LOBSTERデータセットを時系列的に実験する。
その結果,(1)減衰核を持つロバムは従来の非線形モデルよりも優れており,(2)予測精度はロブに留まっているオーダーボリュームのボラティリティと負の相関関係にあること,(3)提案されたtaqのスパース符号化法は一般化能力を示し,多様体的タスクを容易化できること,(4)確率的ドリフトによる予測精度への影響は,歴史的サンプルの増加によって軽減できることがわかった。
関連論文リスト
- MANO: Exploiting Matrix Norm for Unsupervised Accuracy Estimation Under Distribution Shifts [25.643876327918544]
モデルのアウトプット、特にロジットを活用することは、トレーニング済みニューラルネットワークのテスト精度を、アウト・オブ・ディストリビューションのサンプルで推定する一般的なアプローチである。
実装の容易さと計算効率にもかかわらず、現在のロジットベースの手法は過信問題に弱いため、予測バイアスにつながる。
予測バイアスを低減するためにデータ依存正規化を適用したMaNoを提案し,正規化ロジットの行列の$L_p$ノルムを推定スコアとする。
論文 参考訳（メタデータ） (2024-05-29T10:45:06Z) - Investigating the Robustness of Counterfactual Learning to Rank Models: A Reproducibility Study [61.64685376882383]
ランク付け学習(CLTR: Counterfactual Learning to rank)は、IRコミュニティにおいて、ログ化された大量のユーザインタラクションデータを活用してランキングモデルをトレーニングする能力において、大きな注目を集めている。
本稿では,複雑かつ多様な状況における既存のCLTRモデルのロバスト性について検討する。
その結果, DLAモデルとIPS-DCMは, PS-PBMやPSSよりも, オフラインの確率推定による堅牢性が高いことがわかった。
論文 参考訳（メタデータ） (2024-04-04T10:54:38Z) - Neural Stochastic Agent-Based Limit Order Book Simulation: A Hybrid
Methodology [6.09170287691728]
現代の金融取引所は電子的リミット・オーダー・ブック(LOB)を使用して入札を保管し、特定の金融資産の受注を要求する。
ニューラルポイントモデルを用いて過去のLOBデータに基づいて事前訓練されたニューラルバックグラウンドトレーサによるマーケットイベントのロジックの集約を表現するハイブリッドLOBシミュレーションと、他のトレーサとのマルチエージェントシミュレーションに背景トレーサを組み込んだハイブリッドLOBシミュレーションを提案する。
このスタイル化された事実は残っており、実市場の経験的観察に則った秩序流の影響と財政的放牧行動を示す。
論文 参考訳（メタデータ） (2023-02-28T20:53:39Z) - Axial-LOB: High-Frequency Trading with Axial Attention [0.0]
Axial-LOBは、リミットオーダーブック(LOB)データから在庫の価格変動を予測するための、完全に意図したディープラーニングアーキテクチャである。
我々のアーキテクチャは、グローバルな相互作用を取り入れた特徴マップを構築することができ、パラメータ空間のサイズを大幅に削減できる。
Axial-LOBの有効性は、数百万の高周波取引イベントの時系列表現を含む大規模なベンチマークデータセットで実証されている。
論文 参考訳（メタデータ） (2022-12-04T12:11:03Z) - 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) - Towards Realistic Low-resource Relation Extraction: A Benchmark with
Empirical Baseline Study [51.33182775762785]
本稿では,低リソース環境下での関係抽出システムを構築するための実証的研究について述べる。
低リソース環境での性能を評価するための3つのスキームについて検討する。 (i) ラベル付きラベル付きデータを用いた異なるタイプのプロンプトベース手法、 (ii) 長期分布問題に対処する多様なバランシング手法、 (iii) ラベル付きインドメインデータを生成するためのデータ拡張技術と自己学習。
論文 参考訳（メタデータ） (2022-10-19T15:46:37Z) - Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。
パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
論文 参考訳（メタデータ） (2022-04-13T12:43:12Z) - Value-Function-based Sequential Minimization for Bi-level Optimization [52.39882976848064]
勾配に基づくBi-Level Optimization (BLO)法は、現代の学習課題に広く応用されている。
機能的制約のあるBLOや悲観的なBLOなど、難解なシナリオでBLOを解くことができる勾配ベースの方法はほとんどない。
上記の問題に対処するために,BVFSM(Bi-level Value-Function-based Sequential Minimization)を提案する。
論文 参考訳（メタデータ） (2021-10-11T03:13:39Z) - Counterfactual Maximum Likelihood Estimation for Training Deep Networks [83.44219640437657]
深層学習モデルは、予測的手がかりとして学習すべきでない急激な相関を学習する傾向がある。
本研究では,観測可能な共同設立者による相関関係の緩和を目的とした因果関係に基づくトレーニングフレームワークを提案する。
自然言語推論(NLI)と画像キャプションという2つの実世界の課題について実験を行った。
論文 参考訳（メタデータ） (2021-06-07T17:47:16Z) - The LOB Recreation Model: Predicting the Limit Order Book from TAQ
History Using an Ordinary Differential Equation Recurrent Neural Network [9.686252465354274]
LOBレクリエーションモデルは,小額株の公開制限注文書(LOB)のトップ5価格レベルを再現するための,ディープラーニングの観点からの最初の試みである。
トランスファーラーニングのパラダイムにより、同じクラスの他の金融資産に適用できるように、ある株式で訓練されたソースモデルを微調整することができる。
論文 参考訳（メタデータ） (2021-03-02T12:07:43Z) - An Information Bottleneck Approach for Controlling Conciseness in
Rationale Extraction [84.49035467829819]
我々は,情報ボトルネック(IB)の目的を最適化することで,このトレードオフをよりよく管理できることを示す。
我々の完全教師なしのアプローチは、文上のスパース二項マスクを予測する説明器と、抽出された合理性のみを考慮したエンドタスク予測器を共同で学習する。
論文 参考訳（メタデータ） (2020-05-01T23:26:41Z)
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。