論文の概要: Modelling financial volume curves with hierarchical Poisson processes
- arxiv url: http://arxiv.org/abs/2406.19402v1
- Date: Sat, 1 Jun 2024 12:03:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-07 13:43:41.784631
- Title: Modelling financial volume curves with hierarchical Poisson processes
- Title（参考訳）: 階層型ポアソン過程による財政体積曲線のモデル化
- Authors: Creighton Heaukulani, Abhinav Pandey, Lancelot F. James,
- Abstract要約: 一般的な戦略は、期待された体積曲線と1日を通して多くの順序で所望の量を交換することである。
本研究では,非均質なポアソンプロセスの混合の強度関数に対する階層的なポアソンプロセスモデルを導入する。
本稿では,Wharton Research Data Services が管理している Trade and Quote リポジトリのデータセットについて紹介する。
- 参考スコア（独自算出の注目度）: 0.8624680612413765
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modeling the trading volume curves of financial instruments throughout the day is of key interest in financial trading applications. Predictions of these so-called volume profiles guide trade execution strategies, for example, a common strategy is to trade a desired quantity across many orders in line with the expected volume curve throughout the day so as not to impact the price of the instrument. The volume curves (for each day) are naturally grouped by stock and can be further gathered into higher-level groupings, such as by industry. In order to model such admixtures of volume curves, we introduce a hierarchical Poisson process model for the intensity functions of admixtures of inhomogenous Poisson processes, which represent the trading times of the stock throughout the day. The model is based on the hierarchical Dirichlet process, and an efficient Markov Chain Monte Carlo (MCMC) algorithm is derived following the slice sampling framework for Bayesian nonparametric mixture models. We demonstrate the method on datasets of different stocks from the Trade and Quote repository maintained by Wharton Research Data Services, including the most liquid stock on the NASDAQ stock exchange, Apple, demonstrating the scalability of the approach.
- Abstract（参考訳）: 金融商品の取引量曲線を1日を通してモデル化することは、金融取引アプリケーションにおいて重要な関心事である。
いわゆるボリュームプロファイルの予測は、例えば、商品の価格に影響を与えないように、多くの注文で所望の量の取引を1日を通して行います。
体積曲線(毎日)は自然にストックによってグループ化され、産業によって高レベルなグループにまとめられる。
このような体積曲線の混合をモデル化するために,不均質なポアソン過程の混合の強度関数に対する階層的なポアソン過程モデルを導入する。
このモデルは階層的ディリクレ法に基づいており、効率の良いマルコフ・チェイン・モンテカルロ(MCMC)アルゴリズムはベイズ非パラメトリック混合モデルのスライスサンプリングフレームワークに従って導出される。
我々は、Wharton Research Data Servicesが管理するTreat and Quoteリポジトリのさまざまな在庫のデータセットについて、NASDAQの株式取引所であるAppleの最も流動的な在庫を含む、そのアプローチのスケーラビリティを実証する手法を実証する。
関連論文リスト
- Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - Deep Learning Enhanced Realized GARCH [6.211385208178938]
本稿では,深層学習(LSTM)とボラティリティ対策の併用によるボラティリティモデリングの新しい手法を提案する。
このLSTMで強化されたGARCHフレームワークは、金融経済学、高周波取引データ、ディープラーニングによるモデリングの進歩を取り入れ、蒸留する。
論文 参考訳（メタデータ） (2023-02-16T00:20:43Z) - Stock Trading Volume Prediction with Dual-Process Meta-Learning [20.588377161807916]
メタラーニングフレームワークでは,各在庫の予測をひとつのタスクとして扱う2プロセスのメタラーニング手法を提案する。
提案手法は,異なる在庫の背景にある共通パターンをメタラーナーでモデル化し,各在庫の特定のパターンを時間的にモデル化し,ストックに依存したパラメータでモデル化することができる。
論文 参考訳（メタデータ） (2022-10-11T13:35:20Z) - DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
論文 参考訳（メタデータ） (2022-09-23T16:13:47Z) - Multivariate Probabilistic Forecasting of Intraday Electricity Prices
using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。
本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文 参考訳（メタデータ） (2022-05-27T08:38:20Z) - Constraint-Based Inference of Heuristics for Foreign Exchange Trade
Model Optimization [13.26093613374959]
我々は,高いレートの取引信号を持つ2つのデータセットを開発する。
3つの低マージン機器と6つのOHLC粒度の10年間のForex価格データの機械学習シミュレーションを行う。
その結果,各計器粒度対に最も最適な貿易パラメータの具体的かつ再現可能なリストを作成した。
論文 参考訳（メタデータ） (2021-05-11T00:36:02Z) - Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。
本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
論文 参考訳（メタデータ） (2021-01-28T05:52:18Z) - Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction
with Representation Learning and Temporal Convolutional Network [71.25144476293507]
我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。
表現学習によって、私たちはStock2Vecという埋め込みを導きました。
我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2020-09-29T22:54:30Z) - Numerical Simulation of Exchange Option with Finite Liquidity:
Controlled Variate Model [0.0]
私たちの市場モデルでの取引は、資産の価格に直接的な影響を与えます。
2次元ミルスタインスキームは、資産の対の価格をシミュレートするために実装されている。
これらの数値スキームの時間的複雑さを含む。
論文 参考訳（メタデータ） (2020-06-14T02:19:18Z) - Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。
金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文 参考訳（メタデータ） (2020-02-11T19:18:18Z) - A posteriori Trading-inspired Model-free Time Series Segmentation [0.0]
提案手法は, ファインワイドアフィンモデルに適合する一般的なモデルベースボトムアップアプローチと, ガウスモデルに適合する最先端のモデルベーストップダウンアプローチとを比較した。
大規模なデータセットを含む、合成および実世界のデータ上でのパフォーマンスが実証されている。
論文 参考訳（メタデータ） (2019-12-16T06:14:03Z)
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。