論文の概要: Estimation of an Order Book Dependent Hawkes Process for Large Datasets
- arxiv url: http://arxiv.org/abs/2307.09077v1
- Date: Tue, 18 Jul 2023 08:53:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-19 15:32:05.715729
- Title: Estimation of an Order Book Dependent Hawkes Process for Large Datasets
- Title（参考訳）: 大規模データセットにおける順序帳依存ホークス過程の推定
- Authors: Luca Mucciante and Alessio Sancetta
- Abstract要約: 高周波取引におけるイベント到着のポイントプロセスを示す。
数十億のデータポイントが存在する場合でも、モデルを推定するアルゴリズムが提示される。
サンプル実験の結果, 注文帳情報の非線形性を捉えることは, 高周波取引イベントの自己刺激性に価値をもたらすことが示唆された。
- 参考スコア（独自算出の注目度）: 12.18340575383456
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A point process for event arrivals in high frequency trading is presented.
The intensity is the product of a Hawkes process and high dimensional functions
of covariates derived from the order book. Conditions for stationarity of the
process are stated. An algorithm is presented to estimate the model even in the
presence of billions of data points, possibly mapping covariates into a high
dimensional space. The large sample size can be common for high frequency data
applications using multiple liquid instruments. Convergence of the algorithm is
shown, consistency results under weak conditions is established, and a test
statistic to assess out of sample performance of different model specifications
is suggested. The methodology is applied to the study of four stocks that trade
on the New York Stock Exchange (NYSE). The out of sample testing procedure
suggests that capturing the nonlinearity of the order book information adds
value to the self exciting nature of high frequency trading events.
- Abstract（参考訳）: 高周波取引におけるイベント到着のポイントプロセスを示す。
強度はホークス過程の積であり、秩序本から導かれる共変量の高次元関数である。
プロセスの定常性の条件が述べられている。
何十億ものデータポイントが存在する場合でもモデルを評価するアルゴリズムが提示され、おそらく共変量を高次元空間にマッピングする。
大規模なサンプルサイズは、複数の液体機器を用いた高周波データ応用によく用いられる。
アルゴリズムの収束が示され、弱条件下での一貫性が確立され、異なるモデル仕様のサンプル性能を評価するためのテスト統計が提案されている。
この手法は、ニューヨーク証券取引所(NYSE)で取引される4つの株式の研究に適用される。
サンプル実験の結果,注文帳情報の非線形性を捉えることは,高周波取引イベントの自己刺激性に価値をもたらすことが示唆された。
関連論文リスト
- Point processes with event time uncertainty [16.64005584511643]
ネットワーク上での時間不確実なポイントプロセスのモデル化のためのフレームワークを導入する。
提案手法は,シミュレーションおよび実データに基づく従来のジェネラル線形モデル(GLM)のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2024-11-05T00:46:09Z) - Learning Coupled Subspaces for Multi-Condition Spike Data [8.114880112033644]
神経科学では、研究者は複数の条件下で実験を行い、高次元スパイクトレインデータセットの形で神経応答を得る。
実験条件空間上でスムーズなチューニング関数を学習するための非パラメトリックベイズ手法を提案する。
論文 参考訳（メタデータ） (2024-10-24T20:44:28Z) - SMURF-THP: Score Matching-based UnceRtainty quantiFication for
Transformer Hawkes Process [76.98721879039559]
SMURF-THPは,変圧器ホークス過程を学習し,予測の不確かさを定量化するスコアベース手法である。
具体的には、SMURF-THPは、スコアマッチング目標に基づいて、イベントの到着時刻のスコア関数を学習する。
我々は,イベントタイプ予測と到着時刻の不確実性定量化の両方において,広範な実験を行う。
論文 参考訳（メタデータ） (2023-10-25T03:33:45Z) - State Sequences Prediction via Fourier Transform for Representation
Learning [111.82376793413746]
本研究では,表現表現を効率よく学習する新しい方法である,フーリエ変換(SPF)による状態列予測を提案する。
本研究では,状態系列における構造情報の存在を理論的に解析する。
実験により,提案手法はサンプル効率と性能の両面で,最先端のアルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-10-24T14:47:02Z) - A Flow-Based Generative Model for Rare-Event Simulation [0.483420384410068]
本研究では,正規化フロー生成モデルを用いて,条件分布から直接サンプルをシミュレートする手法を提案する。
希少な分布から直接シミュレートすることで、希少な事象の発生の仕方において重要な洞察を得ることができることを示す。
論文 参考訳（メタデータ） (2023-05-13T08:25:57Z) - Online Detection Of Supply Chain Network Disruptions Using Sequential
Change-Point Detection for Hawkes Processes [9.789159342840971]
我々は、大型家具会社から受け取ったサプライチェーンデータに基づいて、Covid-19パンデミックによるインフレクションや変化点の検出を試みる。
我々は,多次元の自己および相互にエキサイティングな点過程であるホークス・プロセス・ネットワークを用いて,注文データをモデル化する。
この項目は, 国内に比べて頻繁に注文されるため, 異なるデータ空間で有効性を示すことができる。
論文 参考訳（メタデータ） (2022-11-22T08:48:56Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Probabilistic Registration for Gaussian Process 3D shape modelling in
the presence of extensive missing data [63.8376359764052]
本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。
様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
論文 参考訳（メタデータ） (2022-03-26T16:48:27Z) - Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。
分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
論文 参考訳（メタデータ） (2020-02-21T14:03:16Z) - Transformer Hawkes Process [79.16290557505211]
本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。
THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。
本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
論文 参考訳（メタデータ） (2020-02-21T13:48:13Z)
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。