論文の概要: DiffLOB: Diffusion Models for Counterfactual Generation in Limit Order Books
- arxiv url: http://arxiv.org/abs/2602.03776v1
- Date: Tue, 03 Feb 2026 17:34:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-04 18:37:15.608193
- Title: DiffLOB: Diffusion Models for Counterfactual Generation in Limit Order Books
- Title（参考訳）: DiffLOB:リミット順序書における対実生成のための拡散モデル
- Authors: Zhuohan Wang, Carmine Ventre,
- Abstract要約: リミットオーダーブック(LOB)の生成モデルは、現実的な市場ダイナミクスを再現することができるが、基本的には受動的である。
我々は,textbfLOBトラジェクトリを制御可能かつ非現実的に生成するための状態条件付きtextbfDiffusion モデルである textbfDiffLOB を提案する。
- 参考スコア（独自算出の注目度）: 3.4472051115463613
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern generative models for limit order books (LOBs) can reproduce realistic market dynamics, but remain fundamentally passive: they either model what typically happens without accounting for hypothetical future market conditions, or they require interaction with another agent to explore alternative outcomes. This limits their usefulness for stress testing, scenario analysis, and decision-making. We propose \textbf{DiffLOB}, a regime-conditioned \textbf{Diff}usion model for controllable and counterfactual generation of \textbf{LOB} trajectories. DiffLOB explicitly conditions the generative process on future market regimes--including trend, volatility, liquidity, and order-flow imbalance, which enables the model to answer counterfactual queries of the form: ``If the future market regime were X instead of Y, how would the limit order book evolve?'' Our systematic evaluation framework for counterfactual LOB generation consists of three criteria: (1) \textit{Controllable Realism}, measuring how well generated trajectories can reproduce marginal distributions, temporal dependence structure and regime variables; (2) \textit{Counterfactual validity}, testing whether interventions on future regimes induce consistent changes in the generated LOB dynamics; (3) \textit{Counterfactual usefulness}, assessing whether synthetic counterfactual trajectories improve downstream prediction of future market regimes.
- Abstract（参考訳）: 制限順序書(LOB)の現代の生成モデルは、現実的な市場ダイナミクスを再現することができるが、基本的には受動的であり、仮説的な将来の市場条件を考慮せずに起こることをモデル化するか、他のエージェントと対話して別の結果を探さなければならない。
これにより、ストレステスト、シナリオ分析、意思決定の有用性が制限される。
本稿では,レシシエーション条件付き \textbf{DiffLOB} を用いた \textbf{LOB} トラジェクトリの制御可能および対実生成のための \textbf{DiffLOB} を提案する。
DiffLOBは、将来の市場体制の創出過程を明示的に規定しており、例えば、トレンド、ボラティリティ、流動性、秩序フローの不均衡など、このモデルにより、この形式の反ファクト的なクエリに答えることができる。「もし将来の市場体制がYではなくXなら、リミテッド・オーダーブックはどのように進化するのか?」 「我々の体系的評価枠組みは、逆ファクト的LOB生成をどのように進化させるか?」は、(1)「textit{Controllable Realism}」、(2)「textit{Counterfactual Validation」、(2)「textit{Counterfactual Validation}」、(2)「将来の市場体制の持続的な変化を誘発するかどうか」、(3)「textit{Counterfactual Validational Validations」、(3)「..
関連論文リスト
- Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - DiffVolume: Diffusion Models for Volume Generation in Limit Order Books [1.5193212081459284]
我々は、将来のLOBのtextbfVolumeスナップショット(textbfDiffVolume)の生成のための条件付きtextbfDiffusionモデルを提案する。
DiffVolumeは過去の体積分布や空間相関,自己相関崩壊などの統計特性をよりよく再現できることを示す。
論文 参考訳（メタデータ） (2025-08-12T07:42:00Z) - Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
Eucidated Rolling Diffusion Models (ERDM)を紹介する。
ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである
2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散ベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2025-06-24T21:44:31Z) - Deriving Strategic Market Insights with Large Language Models: A Benchmark for Forward Counterfactual Generation [55.2788567621326]
本稿では,FIN-FORCE-FINancial Forward Counterfactual Evaluationを提案する。
FIN-FORCEは金融ニュースの見出しをまとめることで、LLMベースの対実生成を支援する。
これにより、将来の市場展開を探索し、予測するためのスケーラブルで自動化されたソリューションの道を開くことができる。
論文 参考訳（メタデータ） (2025-05-26T02:41:50Z) - LOB-Bench: Benchmarking Generative AI for Finance -- an Application to Limit Order Book Data [7.317765812144531]
本稿では,リミテッド・オーダー・ブック(LOB)における生成メッセージ・バイ・オーダーデータの品質と現実性を評価するためのベンチマークを提案する。
本フレームワークは,実LOBデータと実LOBデータ間の条件および非条件統計量の分布差を計測する。
ベンチマークには、スプレッド、オーダーブックボリューム、オーダー不均衡、メッセージ間の時間といった一般的なLOB統計情報も含まれている。
論文 参考訳（メタデータ） (2025-02-13T10:56:58Z) - Generative AI for End-to-End Limit Order Book Modelling: A Token-Level
Autoregressive Generative Model of Message Flow Using a Deep State Space
Network [7.54290390842336]
本稿では,トークン化制限順序帳(LOB)メッセージを生成するエンドツーエンドの自動回帰生成モデルを提案する。
NASDAQ の株式 LOB を用いて、メッセージデータのためのカスタムトークン化器を開発し、逐次桁の群をトークンに変換する。
結果は,低モデルパープレキシティによって証明されたように,データの分布を近似する上で有望な性能を示す。
論文 参考訳（メタデータ） (2023-08-23T09:37:22Z) - Arbitrage-free neural-SDE market models [6.145654286950278]
我々は、基礎となる金融制約を尊重する欧州オプションブックの非パラメトリックモデルを開発する。
株価とオプション価格の離散時系列データからモデルを学習する推論問題について検討する。
我々は,SDEシステムのドリフトと拡散のための関数近似器としてニューラルネットワークを用いる。
論文 参考訳（メタデータ） (2021-05-24T00:53:10Z) - Autoregressive Dynamics Models for Offline Policy Evaluation and
Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。
また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文 参考訳（メタデータ） (2021-04-28T16:48:44Z) - 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) - Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。
本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。
実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
論文 参考訳（メタデータ） (2020-09-21T13:57:10Z)
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。