MarketGPT لتوليد أحداث دفتر الأوامر ومحاكاة السوق

الملخص

يقدم هذا العمل محولًا توليديًا مدربًا مسبقًا لنمذجة السلاسل الزمنية المالية على هيئة تسلسلات من رسائل الأوامر. ويعمل النموذج كمحرك لتوليد الأوامر داخل محاكي للأحداث المتقطعة، بهدف إعادة إنتاج ديناميكيات دفتر الأوامر المحدد ودعم محاكاة السوق التفاعلية. وصُمم لإنتاج تسلسلات طويلة تدريجيًا، بما في ذلك بعد خروج مطالبة تدفق الأوامر الأصلية من نافذة السياق.

وجدت التقييمات المبلغ عنها أن تدفق الأوامر المولّد يعيد إنتاج السمات الأساسية لبيانات تدفق الأوامر المرصودة ويلتقط عدة أنماط إحصائية مرتبطة بالأسواق الحقيقية والبيانات الأوسع نطاقًا على مستوى الاقتصاد الكلي. وتتعلق هذه النتائج بدقة المحاكاة، ولا تثبت وجود استراتيجية تداول أو تنفيذ مربح. ولا تقدم الوثيقة مقاييس مفصلة أو مجموعات بيانات أو خطوط أساس للمقارنة، لذا لا يتضح من هذا الوصف مدى دقة المحاكاة والظروف التي تصح فيها. ويُعرض النهج على أنه تقدم نحو محاكاة عالية الدقة للسوق، وتتوقف فائدته العملية على التحقق باستخدام دفاتر أوامر حقيقية ومدى تمثيل المحاكي لظروف السوق خارج نطاق ما جرى تقييمه.

الأفكار الرئيسية

• يولّد المحول تسلسلات من رسائل الأوامر المالية لمحاكي أحداث متقطعة.
• يهدف النظام إلى إعادة إنتاج ديناميكيات دفتر الأوامر المحدد.
• يمكنه مواصلة توليد تدفق الأوامر بعد خروج المطالبة الأولية من نافذة السياق.
• تفيد التقييمات المبلغ عنها بأنه يلتقط سمات أساسية لتدفق الأوامر وعدة أنماط إحصائية للسوق.
• لا تثبت دقة المحاكاة وحدها أن النموذج يدعم تداولًا مربحًا.

الوسوم

# MarketGPT: Developing a Pre-trained transformer (GPT) for Modeling Financial Time Series


# MarketGPT: Developing a Pre-trained transformer (GPT) for Modeling Financial Time Series









This work presents a generative pre-trained transformer (GPT) designed for modeling financial time series. The GPT functions as an order generation engine within a discrete event simulator, enabling realistic replication of limit order book dynamics. Our model leverages recent advancements in large language models to produce long sequences of order messages in a steaming manner. Our results demonstrate that the model successfully reproduces key features of order flow data, even when the initial order flow prompt is no longer present within the model's context window. Moreover, evaluations reveal that the model captures several statistical properties, or 'stylized facts', characteristic of real financial markets and broader macro-scale data distributions. Collectively, this work marks a significant step toward creating high-fidelity, interactive market simulations.

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.