Kontrollierbarer Orderflow mit einem Diffusion Guided Meta Agent

Zusammenfassung

Diese Arbeit schlägt einen generativen Rahmen vor, um den Orderflow an Finanzmärkten mit kontrollierbarem Marktverhalten zu erzeugen. Hintergrund ist, dass bestehende Verfahren zur Orderflow-Erzeugung Marktdaten möglicherweise nur unzureichend reproduzieren und wenig Kontrolle bieten, wodurch ihr Nutzen für Forschung und Handel eingeschränkt ist.

Der vorgeschlagene Diffusion Guided Meta Agent kombiniert ein bedingtes Diffusionsmodell mit einem Meta-Agenten, der finanzökonomische Vorannahmen einbezieht. Das Diffusionsmodell bildet wechselnde Marktbedingungen durch zeitvariable Verteilungsparameter für Mittelkursrenditen und Auftragseingangsraten ab. Der Meta-Agent verwendet diese Verteilungen anschließend zur Erzeugung von Aufträgen. Die Arbeit berichtet in Experimenten eine höhere Generierungstreue und Kontrollierbarkeit und testet die erzeugte Umgebung für nachgelagerte Hochfrequenzhandelsaufgaben; außerdem wird die Recheneffizienz ausgewiesen. Die Beschreibung nennt weder Datensätze, Benchmarks und Kennzahlenwerte noch die Bandbreite der getesteten Marktbedingungen. Daher reicht sie nicht aus, um die Verallgemeinerbarkeit über diese Experimente hinaus zu beurteilen.

Kernaussagen

• Bei der Orderflow-Erzeugung soll die Abfolge der Aufträge modelliert werden, aus denen sich ein Finanzmarkt bildet.
• Ein bedingtes Diffusionsmodell bildet sich entwickelnde Verteilungen der Mittelkursrenditen und Auftragseingangsraten ab.
• Ein Meta-Agent nutzt finanzökonomische Vorannahmen, um aus diesen Verteilungen Aufträge zu erzeugen.
• Die Autoren berichten Verbesserungen bei Kontrollierbarkeit, Generierungstreue und Effizienz und bewerten den Einsatz für Hochfrequenzhandelsaufgaben.

Schlagwörter

# Controllable Financial Market Generation with Diffusion Guided Meta Agent


# Controllable Financial Market Generation with Diffusion Guided Meta Agent









Generative modeling has transformed many fields, such as language and visual modeling, while its application in financial markets remains under-explored. As the minimal unit within a financial market is an order, order-flow modeling represents a fundamental generative financial task. However, current approaches often yield unsatisfactory fidelity in generating order flow, and their generation lacks controllability, thereby limiting their practical applications. In this paper, we formulate the challenge of controllable financial market generation, and propose a Diffusion Guided Meta Agent (DigMA) model to address it. Specifically, we employ a conditional diffusion model to capture the dynamics of the market state represented by time-evolving distribution parameters of the mid-price return rate and the order arrival rate, and we define a meta agent with financial economic priors to generate orders from the corresponding distributions. Extensive experimental results show that DigMA achieves superior controllability and generation fidelity. Moreover, we validate its effectiveness as a generative environment for downstream high-frequency trading tasks and its computational efficiency.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.