論文の概要: TABL-ABM: A Hybrid Framework for Synthetic LOB Generation

• arxiv url: http://arxiv.org/abs/2510.22685v1
• Date: Sun, 26 Oct 2025 14:04:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.32689
• Title: TABL-ABM: A Hybrid Framework for Synthetic LOB Generation
• Title（参考訳）: TABL-ABM: 合成LOB生成のためのハイブリッドフレームワーク
• Authors: Ollie Olby, Rory Baggott, Namid Stillman,
• Abstract要約: 近年、深層学習モデルの金融取引への応用により、高忠実度金融時系列データの必要性が高まっている。 生成的アプリケーションのための最先端のモデルは、しばしば大量の歴史的データと大規模で複雑なモデルに依存している。 エージェントベースのリミットオーダーブックダイナミクスのモデリングアプローチもまた、トレーディングアクティビティを再現することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The recent application of deep learning models to financial trading has heightened the need for high fidelity financial time series data. This synthetic data can be used to supplement historical data to train large trading models. The state-of-the-art models for the generative application often rely on huge amounts of historical data and large, complicated models. These models range from autoregressive and diffusion-based models through to architecturally simpler models such as the temporal-attention bilinear layer. Agent-based approaches to modelling limit order book dynamics can also recreate trading activity through mechanistic models of trader behaviours. In this work, we demonstrate how a popular agent-based framework for simulating intraday trading activity, the Chiarella model, can be combined with one of the most performant deep learning models for forecasting multi-variate time series, the TABL model. This forecasting model is coupled to a simulation of a matching engine with a novel method for simulating deleted order flow. Our simulator gives us the ability to test the generative abilities of the forecasting model using stylised facts. Our results show that this methodology generates realistic price dynamics however, when analysing deeper, parts of the markets microstructure are not accurately recreated, highlighting the necessity for including more sophisticated agent behaviors into the modeling framework to help account for tail events.
• Abstract（参考訳）: 近年の金融取引へのディープラーニングモデルの適用により、高忠実度金融時系列データの必要性が高まっている。 この合成データは、大きな取引モデルを訓練するために歴史的なデータを補うのに使うことができる。 生成的応用の最先端モデルは、しばしば膨大な歴史的データと大規模で複雑なモデルに依存している。 これらのモデルは、自己回帰モデルや拡散モデルから、時間的アテンション双線形層のようなアーキテクチャ上より単純なモデルまで様々である。 エージェントベースのリミテッド・オーダー・ブック・ダイナミクスのモデリングアプローチは、トレーダーの振る舞いのメカニスティック・モデルを通じてトレーディング・アクティビティを再現することも可能である。 本研究では、日内取引活動をシミュレーションする一般的なエージェントベースフレームワークであるChiarellaモデルと、多変量時系列であるTABLモデルを予測するための最も高性能なディープラーニングモデルであるTABLモデルとの組合せを実証する。 この予測モデルは、整合エンジンのシミュレーションと、削除された順序流をシミュレートする新しい方法とを結合する。 我々のシミュレーターは, 予測モデルの生成能力を, スタイリングされた事実を用いてテストする能力を与える。 以上の結果から,本手法は現実的な価格変動を生じさせるが,より深く分析すると,市場の一部のミクロ構造が正確に再現される訳ではなく,より高度なエージェントの振る舞いをモデリングフレームワークに組み込む必要があることが示唆された。

関連論文リスト

• The Bayesian Context Trees State Space Model for time series modelling and forecasting [7.018547803286913]
  時系列用の木に基づく混合モデルを開発するための階層型ベイズフレームワークが導入された。 これをBayesian Context Trees State Space Model(BCT-Xフレームワーク)と呼びます。
  論文  参考訳（メタデータ） (2023-08-02T02:40:42Z)
• Deep incremental learning models for financial temporal tabular datasets with distribution shifts [0.9790236766474201]
  このフレームワークは、単純な基本的なビルディングブロック(決定木)を使用して、必要な複雑さの自己相似モデルを構築する。 我々は,NumeraiデータセットでトレーニングしたXGBoostモデルを用いて提案手法を実証し,異なるモデルスナップショット上での2層のXGBoostモデルの深部アンサンブルが高品質な予測を提供することを示す。
  論文  参考訳（メタデータ） (2023-03-14T14:10:37Z)
• Closed-form Continuous-Depth Models [99.40335716948101]
  連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。 我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
  論文  参考訳（メタデータ） (2021-06-25T22:08:51Z)
• 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)
• Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
  現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。 本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。 次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
  論文  参考訳（メタデータ） (2020-10-25T18:51:15Z)
• VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
  モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。 LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。 本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
  論文  参考訳（メタデータ） (2020-07-15T07:07:07Z)
• A Data-driven Market Simulator for Small Data Environments [0.5872014229110214]
  ニューラルネットワークに基づくデータ駆動市場シミュレーションは、金融時系列をモデリングする新しいフレキシブルな方法を公開する。 本稿では,財務時系列のエンコーディングと評価を行う強力な方法として,大まかなパスパースペクティブと擬似変分自動エンコーダフレームワークが組み合わさった方法を示す。
  論文  参考訳（メタデータ） (2020-06-21T14:04:21Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。