MarketGPT zur Generierung von Orderbuchereignissen und Marktsimulationen

Zusammenfassung

Diese Arbeit stellt einen generativen, vortrainierten Transformer vor, der Finanzzeitreihen als Sequenzen von Ordernachrichten modelliert. Das Modell dient als Engine zur Ordergenerierung in einem diskreten Ereignissimulator, um die Dynamik von Limit-Orderbüchern nachzubilden und interaktive Marktsimulationen zu ermöglichen. Es ist darauf ausgelegt, lange Sequenzen schrittweise zu erzeugen, auch nachdem der ursprüngliche Orderfluss-Prompt außerhalb seines Kontextfensters liegt.

Die berichteten Auswertungen zeigen, dass der generierte Orderfluss zentrale Merkmale beobachteter Orderflussdaten nachbildet und mehrere statistische Muster erfasst, die mit realen Märkten und übergreifenden makroökonomischen Daten verbunden sind. Diese Ergebnisse betreffen die Genauigkeit der Simulation und weisen weder eine Handelsstrategie noch eine profitable Ausführung nach. Das Dokument nennt keine detaillierten Kennzahlen, Datensätze oder Vergleichsgrundlagen. Daher bleibt anhand dieser Beschreibung unklar, wie genau die Simulation ist und für welche Bedingungen die Ergebnisse gelten. Der Ansatz wird als Fortschritt auf dem Weg zu einer realitätsnahen Marktsimulation dargestellt. Sein praktischer Nutzen hängt von der Validierung anhand realer Orderbücher und davon ab, wie gut der Simulator die Marktbedingungen jenseits der untersuchten Fälle abbildet.

Kernaussagen

• Der Transformer erzeugt Sequenzen finanzieller Ordernachrichten für einen diskreten Ereignissimulator.
• Das System soll die Dynamik von Limit-Orderbüchern nachbilden.
• Es kann den Orderfluss weiter generieren, nachdem der ursprüngliche Prompt außerhalb seines Kontextfensters liegt.
• Den berichteten Auswertungen zufolge erfasst das Modell zentrale Merkmale des Orderflusses und mehrere statistische Marktmuster.
• Die Genauigkeit einer Simulation belegt für sich genommen nicht, dass das Modell profitablen Handel ermöglicht.

Schlagwörter

# 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.

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.