論文の概要: TRADES: Generating Realistic Market Simulations with Diffusion Models
- arxiv url: http://arxiv.org/abs/2502.07071v2
- Date: Wed, 12 Feb 2025 12:38:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-13 13:46:27.977937
- Title: TRADES: Generating Realistic Market Simulations with Diffusion Models
- Title（参考訳）: TRADES:拡散モデルによるリアル市場シミュレーションの生成
- Authors: Leonardo Berti, Bardh Prenkaj, Paola Velardi,
- Abstract要約: 金融市場は、高い統計ノイズ、非線形性、一定の進化を特徴とする複雑なシステムである。
我々は,現実的で応答性の高いリミットオーダーブック(LOB)市場シミュレーションを作成するタスクに対処する。
LOBシミュレーションのための新しいデノイング拡散確率エンジン(TRADES)を提案する。
- 参考スコア（独自算出の注目度）: 4.308104021015939
- License:
- Abstract: Financial markets are complex systems characterized by high statistical noise, nonlinearity, and constant evolution. Thus, modeling them is extremely hard. We address the task of generating realistic and responsive Limit Order Book (LOB) market simulations, which are fundamental for calibrating and testing trading strategies, performing market impact experiments, and generating synthetic market data. Previous works lack realism, usefulness, and responsiveness of the generated simulations. To bridge this gap, we propose a novel TRAnsformer-based Denoising Diffusion Probabilistic Engine for LOB Simulations (TRADES). TRADES generates realistic order flows conditioned on the state of the market, leveraging a transformer-based architecture that captures the temporal and spatial characteristics of high-frequency market data. There is a notable absence of quantitative metrics for evaluating generative market simulation models in the literature. To tackle this problem, we adapt the predictive score, a metric measured as an MAE, by training a stock price predictive model on synthetic data and testing it on real data. We compare TRADES with previous works on two stocks, reporting an x3.27 and x3.47 improvement over SoTA according to the predictive score, demonstrating that we generate useful synthetic market data for financial downstream tasks. We assess TRADES's market simulation realism and responsiveness, showing that it effectively learns the conditional data distribution and successfully reacts to an experimental agent, giving sprout to possible calibrations and evaluations of trading strategies and market impact experiments. We developed DeepMarket, the first open-source Python framework for market simulation with deep learning. Our repository includes a synthetic LOB dataset composed of TRADES's generates simulations. We release the code at github.com/LeonardoBerti00/DeepMarket.
- Abstract（参考訳）: 金融市場は、高い統計ノイズ、非線形性、一定の進化を特徴とする複雑なシステムである。
そのため、モデリングは非常に困難である。
我々は,取引戦略の校正とテスト,市場影響実験,合成市場データの生成に基本となる,現実的で応答性の高い市場シミュレーション(LOB)作成の課題に対処する。
以前の作品は、生成されたシミュレーションのリアリズム、有用性、応答性に欠けていた。
このギャップを埋めるために, TRADES (LOB Simulations) のための, TRAnsformer-based Denoising Diffusion Probabilistic Engineを提案する。
TRADESは、高周波市場データの時間的・空間的特性を捉えるトランスフォーマーベースのアーキテクチャを利用して、市場の状況に応じて現実的な秩序の流れを生成する。
文献中では、生成市場シミュレーションモデルを評価するための定量的指標が欠落している。
この問題に対処するために、合成データに対する株価予測モデルをトレーニングし、実データ上でテストすることにより、MAEとして測定された予測スコア、予測スコアを適応する。
予測スコアによると、TRADESとこれまでの2つの株式の業績を比較し、STAに対するx3.27とx3.47の改善を報告し、金融ダウンストリームタスクに有用な総合市場データを生成することを示した。
我々は、TRADESの市場シミュレーションリアリズムと応答性を評価し、条件付きデータ分布を効果的に学習し、実験エージェントに反応し、取引戦略と市場影響実験のキャリブレーションと評価を行う。
DeepMarketは、ディープラーニングによる市場シミュレーションのための、最初のオープンソースのPythonフレームワークです。
我々のリポジトリには、TRADESの生成シミュレーションからなる合成LOBデータセットが含まれています。
私たちはgithub.com/LeonardoBerti00/DeepMarketでコードを公開しています。
関連論文リスト
- GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。
我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。
我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文 参考訳（メタデータ） (2024-10-06T05:02:23Z) - MarS: a Financial Market Simulation Engine Powered by Generative Foundation Model [37.40553007693943]
金融市場では、生成モデルは様々な行動の市場効果をシミュレートし、市場シーンやプレイヤーとの相互作用を可能にし、金融リスクのないトレーニング戦略を訓練することができる。
金融市場シミュレーションのための秩序レベル生成基盤モデルである大規模市場モデル(LMM)を提案する。
LMMを利用した金融市場シミュレーションエンジン(MarS)は,現実的でインタラクティブで制御可能な注文生成の必要性に対処する。
論文 参考訳（メタデータ） (2024-09-04T08:16:22Z) - 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) - Deep Calibration of Market Simulations using Neural Density Estimators
and Embedding Networks [3.313580633064261]
我々は,近年の深層学習の進歩を活用して,市場シミュレータの校正のための新しいアプローチを開発する。
提案手法は,合成データや履歴データに適用した場合と,手作業による選択や重み付けによる事実のアンサンブルに依存することなく,高い確率パラメータ集合を正確に同定できることを実証する。
論文 参考訳（メタデータ） (2023-11-20T16:44:18Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - 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) - 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) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - Efficient Model-based Multi-agent Reinforcement Learning via Optimistic
Equilibrium Computation [93.52573037053449]
H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。
自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
論文 参考訳（メタデータ） (2022-03-14T17:24:03Z) - 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) - Towards Realistic Market Simulations: a Generative Adversarial Networks
Approach [2.381990157809543]
本研究では,実データに基づいて学習したコンディショナル・ジェネレーティブ・アドバイザリアル・ネットワーク(CGAN)に基づくマーケットジェネレータを提案する。
CGANベースの"ワールド"エージェントは、実験エージェントに応答して意味のある順序を生成することができる。
論文 参考訳（メタデータ） (2021-10-25T22:01:07Z)
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。