論文の概要: When Does Order Flow Matter? State-Dependent L2 Liquidity-State Transitions in Crypto Futures
- arxiv url: http://arxiv.org/abs/2607.09230v1
- Date: Fri, 10 Jul 2026 09:21:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.815418
- Title: When Does Order Flow Matter? State-Dependent L2 Liquidity-State Transitions in Crypto Futures
- Title（参考訳）: 秩序の流れはいつ重要か? 暗号時代の状態依存型L2液状化-状態遷移
- Authors: Joohyoung Jeon,
- Abstract要約: イベント条件付き市場モデルを構築するには、マクロイベントラベルを永続的なミクロ構造状態から分離する必要がある。
2023年から2026年までのBTCUSDTとETHUSDTでは、上位20のL2オーダーブックデータ、トレードフローレコード、マクロイベントウィンドウを組み合わせて、この区別について検討した。
- 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: Building event-conditioned market models requires separating macro-event labels from persistent microstructure state. We study this distinction in Binance BTCUSDT and ETHUSDT futures from 2023-2026, combining top-20 L2 order book data, trade-flow records, and macro-event windows. We define a supervised discrete L2 liquidity-state transition task, distinct from latent-regime detection and price-direction prediction, and evaluate models in rolling monthly out-of-sample folds with event-clustered validation and blocked permutation tests, admitting each feature layer only if it improves on the layer below it on the same panel. Within these event windows, the first-order predictive signal is the pre-event L2 liquidity state: a coarse pre-event state baseline strongly predicts post-event liquidity regimes, interpretable logit models over continuous L2 features fail to improve on it, and a shallow nonlinear L2 model adds a robust further gain of comparable size to the state baseline's own. The macro-event calendar enters only by locating the windows and supplying matched non-event controls; we use event timing but not the event's label content, so pre-event state competes against an uninformed within-window baseline, not against the event type. Order flow adds further value only when layered on top of the L2 state model, not as a replacement. This value is not robustly cross-symbol: for ETH it is present across calm, mixed, and stressed regimes and largest under stressed pre-event liquidity, whereas BTC shows only isolated five-minute passes and no regime that clears at both horizons. These findings motivate a state-first design principle for market microstructure models. We provide a liquidity-state transition baseline and evaluation protocol that reinforcement-learning, execution-policy, or LLM-based context layers should exceed before their added value is credited.
- Abstract（参考訳）: イベント条件付き市場モデルを構築するには、マクロイベントラベルを永続的なミクロ構造状態から分離する必要がある。
本研究では,2023年から2026年までのBinance BTCUSDTとETHUSDTで,上位20のL2オーダーブックデータ,トレードフローレコード,マクロイベントウィンドウを組み合わせて検討した。
我々は,遅延レジム検出と価格方向予測とは違い,制御された離散L2流動性遷移タスクを定義し,イベントクラスタ化バリデーションとブロックされた置換テストにより,毎月のアウト・オブ・サンプル・フォールドのモデルを評価し,各特徴層を同一パネル上の下層で改善した場合のみ認める。
これらのイベントウィンドウ内では、第一次予測信号は、事前のL2流動性状態である: 粗いプレイベント状態ベースラインは、後続の流動性体制を強く予測し、連続的なL2特徴に対する解釈可能なロジットモデルは改善されず、浅い非線形L2モデルは、状態ベースライン自身と同等の大きさの強みを付加する。
イベントタイミングを使用するが、イベントのラベルの内容は使用しないため、事前イベント状態はイベントタイプではなく、非インフォームされたウィンドウ内ベースラインと競合する。
順序フローは、置換としてではなく、L2ステートモデルの上に階層化された場合にのみ、さらなる値を追加する。
この値は強固に交差するものではない: ETH では、穏やかで混合され、ストレスのある状態にあり、ストレスのある事前流動性の下で最大の状態にあるが、BTC は孤立した5分間の通過しか示さず、両地平線をクリアする状態は存在しない。
これらの発見は、市場マイクロ構造モデルのための国家第一の設計原則を動機付けている。
我々は、付加価値が認定される前に、強化学習、実行政治、LLMベースのコンテキスト層を超越すべき流動性状態遷移ベースラインと評価プロトコルを提供する。
関連論文リスト
- MoP-JEPA: Hard-Assigned Predictor Mixtures for Stochastic JEPA World Models [12.290764474660103]
JEPAワールドモデルは、潜時回帰によってトレーニングされた単一の決定論的予測器で次の潜時状態を予測します。
環境が分岐しているときに構造的に失敗することを示す。
我々は、MoP-JEPAのハードアサイン予測器が遷移分布の量子化器に収束することを証明した。
論文 参考訳（メタデータ） (2026-07-06T15:47:37Z) - FedLAS: Feature-Modulated Bidirectional Label Smoothing for Neural Network Calibration [2.2346611200823934]
ディープニューラルネットワーク(DNN)分類器は、ソフトマックス出力が経験的可能性から逸脱した場合、キャリブレーションの低下に悩まされる。
FedLAS: Feature-Modulated Bidirectional Label Smoothing, a plug-and-play algorithm for label smoothing based loss。
論文 参考訳（メタデータ） (2026-06-26T23:55:44Z) - LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。
本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。
その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
論文 参考訳（メタデータ） (2026-06-03T06:07:33Z) - ISOMORPH: A Supply Chain Digital Twin for Simulation, Dataset Generation, and Forecasting Benchmarks [6.803642669632622]
マルチエケロンロジスティクスネットワークの最初のパブリックデジタルツインであるISOMORPHを紹介する。
シミュレータは、離散時間で有向ルーティンググラフを前進させる。
マルコフ連鎖に符号化された3つの保護法が検証ツールとして機能する。
論文 参考訳（メタデータ） (2026-05-12T21:31:32Z) - Mixing Times of Glauber Dynamics on Masked Language Models [0.25798785709198746]
Masked Language Model (MLM) はトークン上の局所条件を定義するが、シーケンス上の一貫した関節分布に対応しない。
このような条件が生成に反復的に使用されるとき、大域的な分布行動はどのように引き起こされるのか?
離散空間トークン列上のグラウバー力学マルコフ連鎖として反復マスクトケンをモデル化することでこの問題に対処する。
論文 参考訳（メタデータ） (2026-05-11T00:31:16Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - TFT-ACB-XML: Decision-Level Integration of Customized Temporal Fusion Transformer and Attention-BiLSTM with XGBoost Meta-Learner for BTC Price Forecasting [0.7857499581522376]
既存のディープラーニングモデルは、様々な市場条件で解釈可能性や一般化に苦しむことが多い。
本研究は,BTC閉値予測のためのハイブリッドスタック一般化フレームワークTFT-ACB-XMLを提案する。
2014年10月1日から2026年1月5日までのBTCデータを用いた実証検証では,提案フレームワークの性能が向上した。
論文 参考訳（メタデータ） (2026-02-12T20:20:56Z) - Self-Improving World Modelling with Latent Actions [53.93276450137471]
世界の内部モデリングは推論と計画に不可欠である。
状態のみのシーケンスから学習する自己改善フレームワークSWIRLを提案する。
論文 参考訳（メタデータ） (2026-02-05T19:04:41Z) - Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。
我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
論文 参考訳（メタデータ） (2025-12-02T14:42:54Z) - Unveiling Induction Heads: Provable Training Dynamics and Feature Learning in Transformers [54.20763128054692]
我々は,2層変換器が$n$-gramのマルコフ連鎖データ上でICLを実行するためにどのように訓練されているかを検討する。
クロスエントロピー ICL 損失に対する勾配流が極限モデルに収束することを証明する。
論文 参考訳（メタデータ） (2024-09-09T18:10:26Z)
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。