論文の概要: Neural Stochastic Agent-Based Limit Order Book Simulation: A Hybrid
Methodology
- arxiv url: http://arxiv.org/abs/2303.00080v1
- Date: Tue, 28 Feb 2023 20:53:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 16:46:06.307131
- Title: Neural Stochastic Agent-Based Limit Order Book Simulation: A Hybrid
Methodology
- Title(参考訳): ニューラル確率エージェントに基づく極限順序ブックシミュレーション:ハイブリッド手法
- Authors: Zijian Shi and John Cartlidge
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 6.09170287691728
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern financial exchanges use an electronic limit order book (LOB) to store
bid and ask orders for a specific financial asset. As the most fine-grained
information depicting the demand and supply of an asset, LOB data is essential
in understanding market dynamics. Therefore, realistic LOB simulations offer a
valuable methodology for explaining empirical properties of markets. Mainstream
simulation models include agent-based models (ABMs) and stochastic models
(SMs). However, ABMs tend not to be grounded on real historical data, while SMs
tend not to enable dynamic agent-interaction. To overcome these limitations, we
propose a novel hybrid LOB simulation paradigm characterised by: (1)
representing the aggregation of market events' logic by a neural stochastic
background trader that is pre-trained on historical LOB data through a neural
point process model; and (2) embedding the background trader in a multi-agent
simulation with other trading agents. We instantiate this hybrid NS-ABM model
using the ABIDES platform. We first run the background trader in isolation and
show that the simulated LOB can recreate a comprehensive list of stylised facts
that demonstrate realistic market behaviour. We then introduce a population of
`trend' and `value' trading agents, which interact with the background trader.
We show that the stylised facts remain and we demonstrate order flow impact and
financial herding behaviours that are in accordance with empirical observations
of real markets.
- Abstract(参考訳): 現代の金融取引所は電子的リミット注文帳(LOB)を使用して入札を保管し、特定の金融資産の注文を求める。
資産の需要と供給を示す最もきめ細かい情報として、LOBデータは市場のダイナミクスを理解する上で不可欠である。
したがって、現実的なLOBシミュレーションは市場の経験的性質を説明する貴重な方法論を提供する。
主なシミュレーションモデルにはエージェントベースモデル(abms)と確率モデル(sms)がある。
しかし、abmは実際の履歴データに基づくものではなく、smsは動的エージェント-インタラクションを有効にしない傾向がある。
これらの制約を克服するために,1) ニューラルネットワーク処理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ネットワーク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,2) バックグラウンドトレーサを他のトレーダとのマルチエージェントシミュレーションに組み込む,という,新しいハイブリッドLOBシミュレーション手法を提案する。
ABIDESプラットフォームを用いて、このハイブリッドNS-ABMモデルをインスタンス化する。
まず、背景トレーダーを分離して実行し、シミュレーションされたLOBが、現実的な市場行動を示すスタイリングされた事実の包括的リストを再現できることを示します。
次に,'trend' と 'value' のトレーディングエージェントの集団を紹介し,背景トレーダと相互作用する。
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フローの影響と金融的隠れ行動を示す。
関連論文リスト
- MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [94.61039892220037]
本稿では,車載メタバースにおける拡張現実(AR)サービスの学習モデルを支援するために,メタバースユーザ(MU)にインセンティブを与える新しい没入型モデルトレーディングフレームワークを提案する。
動的ネットワーク条件とプライバシの懸念を考慮して、マルチエージェントマルコフ決定プロセスとしてMSPの報酬決定を定式化する。
実験により,提案フレームワークは,実AR関連車両データセット上でのARサービスにおいて,オブジェクト検出と分類のための高価値モデルを効果的に提供できることが示されている。
論文 参考訳(メタデータ) (2024-10-25T16:20:46Z) - TraderTalk: An LLM Behavioural ABM applied to Simulating Human Bilateral Trading Interactions [15.379345372327375]
本稿では,エージェントベースモデル(ABM)とLarge Language Models(LLM)を併用して,人間の取引相互作用をシミュレートする,新たなハイブリッドアプローチを提案する。
我々は、我々のモデルをTraderTalkと呼びます。LLMを利用して、金融取引における双方向の会話の詳細な表現とニュアンスな表現を取ります。
論文 参考訳(メタデータ) (2024-10-10T23:58:07Z) - Consumer Transactions Simulation through Generative Adversarial Networks [0.07373617024876725]
本稿では,合成小売取引データを生成するためのGAN(Generative Adversarial Networks)の革新的な応用について述べる。
我々は、SKUデータをGANアーキテクチャに統合し、より洗練された埋め込み手法を用いて従来の手法から切り離す。
その結果, 実物と実物を比較することで, シミュレーショントランザクションにおける現実性の向上が示された。
論文 参考訳(メタデータ) (2024-08-07T09:45:24Z) - When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳(メタデータ) (2024-07-15T06:49:30Z) - Simulating Financial Market via Large Language Model based Agents [22.36549613587476]
ほとんどの経済理論は、金融市場の参加者が完全に合理的な個人であり、金融市場の人間の振る舞いをシミュレートするために数学的モデルを使用していると仮定している。
textbfAgentベースのtextbfSimulated textbfFinancial textbfMarket (ASFM) を提案する。
論文 参考訳(メタデータ) (2024-06-28T14:54:12Z) - An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。
FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。
本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
論文 参考訳(メタデータ) (2024-02-02T07:25:53Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳(メタデータ) (2023-04-15T19:22:37Z) - Learning to simulate realistic limit order book markets from data as a
World Agent [1.1470070927586016]
マルチエージェント市場シミュレータは通常、実際の市場をエミュレートするために慎重なキャリブレーションを必要とする。
キャリブレーションの少ないシミュレータは、誤解を招く結果につながる可能性がある。
本稿では,限定注文書市場を正確にエミュレートする世界モデルシミュレータを提案する。
論文 参考訳(メタデータ) (2022-09-26T09:17:11Z) - 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) - Multi-Asset Spot and Option Market Simulation [52.77024349608834]
正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。
本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
論文 参考訳(メタデータ) (2021-12-13T17:34:28Z) - 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)
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。