論文の概要: Early Detection of Latent Microstructure Regimes in Limit Order Books

• arxiv url: http://arxiv.org/abs/2604.20949v1
• Date: Wed, 22 Apr 2026 17:47:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.112917
• Title: Early Detection of Latent Microstructure Regimes in Limit Order Books
• Title（参考訳）: 制限順序書における潜時組織レジームの早期検出
• Authors: Prakul Sunil Hiremath, Vruksha Arun Hiremath,
• Abstract要約: 制限順序帳は、安定な状態からストレスのある状態へ急速に遷移することができる。 順序流の不均衡や短期のボラティリティといった標準的な早期警戒信号は本質的に反応性がある。 我々はこの制限を3段階の因果データ生成プロセスで定式化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Limit order books can transition rapidly from stable to stressed conditions, yet standard early-warning signals such as order flow imbalance and short-term volatility are inherently reactive. We formalise this limitation via a three-regime causal data-generating process (stable $\to$ latent build-up $\to$ stress) in which a latent deterioration phase creates a prediction window prior to observable stress. Under mild assumptions on temporal drift and regime persistence, we establish identifiability of the latent build-up regime and derive guarantees for strictly positive expected lead-time and non-trivial probability of early detection. We propose a trigger-based detector combining MAX aggregation of complementary signal channels, a rising-edge condition, and adaptive thresholding. Across 200 simulations, the method achieves mean lead-time $+18.6 \pm 3.2$ timesteps with perfect precision and moderate coverage, outperforming classical change-point and microstructure baselines. A preliminary application to one week of BTC/USDT order book data shows consistent positive lead-times while baselines remain reactive. Results degrade in low signal-to-noise and short build-up regimes, consistent with theory.
• Abstract（参考訳）: 制限順序帳は、安定な状態からストレスのある状態へ急速に遷移することができるが、秩序フローの不均衡や短期変動のような標準的な早期警戒信号は本質的に反応性がある。 この制限を3段階の因果データ生成プロセス(stable $\to$ latent build-up $\to$ stress)を通じて定式化する。 時間的ドリフトと状態持続性に関する軽度な仮定の下で、潜伏したビルドアップ体制の識別可能性を確立し、厳密な肯定的なリードタイムと非自明な早期検出確率の保証を導出する。 本稿では,補完信号チャネルのMAXアグリゲーション,アップエッジ条件,アダプティブしきい値設定を組み合わせたトリガーベース検出器を提案する。 200回にわたるシミュレーションでは、平均リードタイム$+18.6 \pm 3.2$のタイムステップを完全精度と適度なカバレッジで達成し、古典的な変化点とミクロ構造のベースラインを上回っている。 1週間のBTC/USDTオーダーブックデータに対する予備的な適用は、ベースラインが反応性を維持しながら、一貫した正のリードタイムを示している。 結果は、低信号対雑音と短いビルドアップレジームで分解され、理論と一致している。

関連論文リスト

• Convolutionally Low-Rank Models with Modified Quantile Regression for Interval Time Series Forecasting [18.452655953569696]
  インターバル時系列予測は、不確実性を定量化する問題に対する原則的な解決策を提供する。 学習型畳み込み核ノルム最小化(LbCNNM)と呼ばれる最近確立された点予測(PF)手法について考察する。 理論的には完全かつ実験的に有効であるが、LbCNNMには固有の不確実性推定能力がない。 我々は、よく知られた量子回帰(QR)を修正してLbCNNMに統合し、LbCNNMと呼ばれる新しい間隔予測法をLbCNNM-MQR(Modified Quantile Regression)で実現した。
  論文  参考訳（メタデータ） (2026-04-17T07:52:21Z)
• Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model [10.781664119473966]
  本稿では,ロールアウトの成功と失敗を予測するための統一的不確実性定量化手法を提案する。 本手法は, 故障予測精度を大幅に向上し, 故障検出のための信頼性の高い信号を得る。
  論文  参考訳（メタデータ） (2026-03-18T22:52:03Z)
• Early Rug Pull Warning for BSC Meme Tokens via Multi-Granularity Wash-Trading Pattern Profiling [3.1262100364392205]
  分散型金融(DeFi)におけるミームトークンの高頻度発行と短サイクル投機は、ルーグプルリスクを著しく増幅した。 既存のアプローチは、わずかな異常、不完全なラベル、限定的な解釈可能性の下で安定した早期警告を提供するのに依然として苦労している。 この問題に対処するために、データセットの構築とラベル付け、ハッシュトレーディングパターンの特徴モデリング、リスク予測、エラー解析の4段階からなるBSCミームトークンに対して、エンドツーエンドの警告フレームワークが提案されている。
  論文  参考訳（メタデータ） (2026-03-14T08:25:42Z)
• Test-Time Adaptation for Non-stationary Time Series: From Synthetic Regime Shifts to Financial Markets [0.0]
  因果時間予測と方向分類のための小さなフットプリントテスト時間適応フレームワークについて検討した。 分類にはエントロピーを最小化し、時間的一貫性を強制する。 この枠組みは、ETTベンチマークの総合的体制シフトと、パンデミック、高インフレ、リカバリの2段階にわたるデイリーエクイティとFXシリーズ(SPY、QQQ、EUR/USD)で評価する。
  論文  参考訳（メタデータ） (2026-01-20T22:30:23Z)
• Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences [51.56484100374058]
  凸最適化のための勾配降下(SGD)の停止規則について検討した。 我々は、投影されたSGDの重み付き平均準最適度に対して、任意の有意、データ依存の高信頼シーケンスを開発する。 これらは、厳格でタイムユニフォームなパフォーマンス保証と、有限時間$varepsilon$-optimality証明書である。
  論文  参考訳（メタデータ） (2025-12-15T09:26:45Z)
• Technical note on Sequential Test-Time Adaptation via Martingale-Driven Fisher Prompting [3.5808917363708743]
  M-FISHERは、ストリーミングデータにおける逐次分布シフト検出と安定した適応のための方法である。 検出のために、非整合性スコアから指数的マーチンゲールを構築し、Villeの不等式を適用し、偽アラーム制御の時間一様保証を得る。 適応のために、フィッシャー条件によるプロンプトパラメータの更新は、分布多様体上の自然な勾配降下を実装していることを示す。
  論文  参考訳（メタデータ） (2025-10-04T15:31:26Z)
• Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling [73.5602474095954]
  マルコフサンプリングの遅延更新による近似スキームの非漸近的性能について検討した。 我々の理論的な発見は、幅広いアルゴリズムの遅延の有限時間効果に光を当てた。
  論文  参考訳（メタデータ） (2024-02-19T03:08:02Z)
• Rethinking SIGN Training: Provable Nonconvex Acceleration without First- and Second-Order Gradient Lipschitz [66.22095739795068]
  符号ベースの手法は、パラメータ更新にのみ符号情報を使用するにもかかわらず、堅牢な性能を達成する能力によって注目されている。 符号に基づく手法の現在の収束解析は、一階加速度と二階加速度の強い仮定に依存する。 本稿では,より現実的な第1次および第2次加速度の仮定の下で,それらの収束を解析する。
  論文  参考訳（メタデータ） (2023-10-23T06:48:43Z)

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。