توليد مسارات الأسعار خلال اليوم من تدفق أوامر اصطناعي

الملخص

يمثل البحث تدفق الأوامر عالي التردد بوصفه مصدرًا لتغيرات الأسعار خلال اليوم، ويستخدم شبكات الخصومة التوليدية التسلسلية لإنشاء تسلسلات أوامر اصطناعية. ويستخدم هذه التسلسلات لمحاكاة مسارات الأسعار، ثم يقارن السلوك الناتج بسلوك بيانات السوق الفعلية. ويُستخدم نموذج معلمي من التمويل الكمي معيارًا للمقارنة، بعد ملاءمة كلا النموذجين وقبل أخذ عينات عشوائية من مسارات تدفق الأوامر.

يركز التقييم على ما إذا كانت الأسعار المحاكاة تعيد إنتاج السمات التجريبية لتحركات الأسعار الفعلية، بما فيها توزيعات العوائد اللوغاريتمية والتقلب والذّيول الثقيلة. ويفيد المؤلفون بأن نموذج التوليد ينتج تسلسلات أوامر تؤدي تغيرات أسعارها إلى مطابقة السلوك الإحصائي المرصود بدرجة أفضل من النموذج المرجعي. ولا يحدد المقتطف السوق أو فترة العينة أو تفاصيل النموذج أو المقدار الكمي للتحسن. وتتعلق الأدلة بمدى وفاء المحاكاة إحصائيًا، لذا فهي لا تثبت أن المسارات الاصطناعية تدعم تداولًا مربحًا أو تلتقط كل سمات السوق ذات الصلة.

الأفكار الرئيسية

• تستخدم الطريقة تسلسلًا GAN لتوليد تدفق أوامر اصطناعي عالي التردد.
• تُحوَّل تسلسلات الأوامر المولدة إلى تغيرات أسعار محاكاة خلال اليوم.
• يُستخدم نموذج معلمي للتمويل الكمي معيارًا للمقارنة.
• يقارن التقييم توزيعات العوائد والتقلب وسلوك الذّيول الثقيلة بالبيانات الفعلية.
• يتعلق التحسن المبلغ عنه بالتشابه الإحصائي، لا بربحية التداول.

الوسوم

# Intra-Day Price Simulation with Generative Adversarial Modelling of the Order Flow


# Intra-Day Price Simulation with Generative Adversarial Modelling of the Order Flow









Intra-day price variations in financial markets are driven by the sequence of orders, called the order flow, that is submitted at high frequency by traders. This paper introduces a novel application of the Sequence Generative Adversarial Networks framework to model the order flow, such that random sequences of the order flow can then be generated to simulate the intra-day variation of prices. As a benchmark, a well-known parametric model from the quantitative finance literature is selected. The models are fitted, and then multiple random paths of the order flow sequences are sampled from each model. Model performances are then evaluated by using the generated sequences to simulate price variations, and we compare the empirical regularities between the price variations produced by the generated and real sequences. The empirical regularities considered include the distribution of the price log-returns, the price volatility, and the heavy-tail of the log-returns distributions. The results show that the order sequences from the generative model are better able to reproduce the statistical behaviour of real price variations than the sequences from the benchmark.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.