論文の概要: Intra-Day Price Simulation with Generative Adversarial Modelling of the Order Flow

• arxiv url: http://arxiv.org/abs/2109.13905v1
• Date: Tue, 28 Sep 2021 17:55:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 15:55:52.420795
• Title: Intra-Day Price Simulation with Generative Adversarial Modelling of the Order Flow
• Title（参考訳）: 秩序流れの生成的逆モデルによる日内価格シミュレーション
• Authors: Ye-Sheen Lim, Denise Gorse
• Abstract要約: 金融市場の日内価格変動は、トレーダーが提出した注文の順序によって引き起こされる。 本稿では,順序フローをモデル化するSequence Generative Adversarial Networksフレームワークについて紹介する。 注文フローのランダムシーケンスは、日内価格変動をシミュレートするために生成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intra-day price variations in financial markets are driven by the sequence of orders, called the order flow, that is submitted at high frequency by traders. This paper introduces a novel application of the Sequence Generative Adversarial Networks framework to model the order flow, such that random sequences of the order flow can then be generated to simulate the intra-day variation of prices. As a benchmark, a well-known parametric model from the quantitative finance literature is selected. The models are fitted, and then multiple random paths of the order flow sequences are sampled from each model. Model performances are then evaluated by using the generated sequences to simulate price variations, and we compare the empirical regularities between the price variations produced by the generated and real sequences. The empirical regularities considered include the distribution of the price log-returns, the price volatility, and the heavy-tail of the log-returns distributions. The results show that the order sequences from the generative model are better able to reproduce the statistical behaviour of real price variations than the sequences from the benchmark.
• Abstract（参考訳）: 金融市場の日内価格変動は、トレーダーが高い頻度で提出する注文フローと呼ばれる注文順序によって引き起こされる。 本稿では、注文フローのランダムなシーケンスを生成して、日内価格変動をシミュレートできるように、注文フローをモデル化するためのシーケンス生成適応型ネットワークフレームワークを新たに導入する。 ベンチマークとして、定量的ファイナンス文献からよく知られたパラメトリックモデルが選択される。 モデルが適合し、各モデルから順序流列の複数のランダムパスがサンプリングされる。 モデルの性能は、生成したシーケンスを用いて価格変動をシミュレートし、生成したシーケンスと実シーケンスの価格変動の実証的な規則性を比較する。 経験則として考慮されるものとしては、価格ログリターンの分布、価格変動性、およびログリターン分布の重みがある。 その結果、生成モデルの順序列は、ベンチマークの順序よりも実際の価格変動の統計的挙動を再現できることがわかった。

関連論文リスト

• 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)
• SequenceMatch: Imitation Learning for Autoregressive Sequence Modelling with Backtracking [60.109453252858806]
  MLE(Maxum-likelihood)の目的は、高品質なシーケンスを自動回帰的に生成する下流のユースケースと一致しない。 我々は、模倣学習(IL)問題としてシーケンス生成を定式化する。 これにより、自己回帰モデルによって生成されるシーケンスの分布とデータセットからのシーケンスとの差異を最小化できる。 得られた手法であるSequenceMatchは、敵の訓練やアーキテクチャの変更なしに実装できる。
  論文  参考訳（メタデータ） (2023-06-08T17:59:58Z)
• Modeling Sequences as Distributions with Uncertainty for Sequential Recommendation [63.77513071533095]
  既存のシーケンシャルメソッドの多くは、ユーザが決定論的であると仮定する。 項目-項目遷移は、いくつかの項目において著しく変動し、ユーザの興味のランダム性を示す。 本稿では,不確実性を逐次モデルに注入する分散型トランスフォーマーシークエンシャルレコメンデーション(DT4SR)を提案する。
  論文  参考訳（メタデータ） (2021-06-11T04:35:21Z)
• Classification Models for Partially Ordered Sequences [15.426481600285724]
  部分順序付きシーケンスに対する新しい変換器ベースモデルを提案する。 既存の順序不変モデルの拡張に対してベンチマークを行う。 変換器をベースとした等時モデルでは,3つのデータセット上で既存のモデルの拡張よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-01-31T05:08:21Z)
• 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)
• Adversarial System Variant Approximation to Quantify Process Model Generalization [2.538209532048867]
  プロセスマイニングでは、プロセスモデルはイベントログから抽出され、複数の品質次元を用いて一般的に評価される。 この問題を解決するために,Adversarial System Variant Approximation (AVATAR)と呼ばれる新しいディープラーニングベースの手法が提案されている。
  論文  参考訳（メタデータ） (2020-03-26T22:06:18Z)
• Variational Hyper RNN for Sequence Modeling [69.0659591456772]
  本稿では,時系列データにおける高変数の取得に優れる新しい確率的シーケンスモデルを提案する。 提案手法では,時間潜時変数を用いて基礎となるデータパターンに関する情報をキャプチャする。 提案手法の有効性を,合成および実世界のシーケンシャルデータに示す。
  論文  参考訳（メタデータ） (2020-02-24T19:30:32Z)
• On the Discrepancy between Density Estimation and Sequence Generation [92.70116082182076]
  log-likelihoodは、同じファミリー内のモデルを考えるとき、BLEUと非常に相関している。 異なる家族間でのモデルランキングの相関はみられない。
  論文  参考訳（メタデータ） (2020-02-17T20:13:35Z)
• Adaptive Correlated Monte Carlo for Contextual Categorical Sequence Generation [77.7420231319632]
  我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。 また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
  論文  参考訳（メタデータ） (2019-12-31T03:01:55Z)

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。