Limit-Orderbücher mit Hawkes-modelliertem Orderfluss simulieren

Zusammenfassung

Dieser Forschungsrahmen verbindet einen deterministischen Limit-Orderbuchsimulator mit stochastischen Auftragseingängen, die durch multivariate markierte Hawkes-Prozesse erzeugt werden. Er erläutert, wie lineare und nichtlineare Hawkes-Modelle gebündelten Orderfluss darstellen können, und berichtet Stabilitäts- und Ergodizitätsergebnisse für beide Modelltypen. Außerdem umfasst der Rahmen Zeitreskalierungs- und Anpassungsgütediagnosen zur Beurteilung angepasster Ereignismodelle.

Die Autoren kalibrieren Exponential- und Potenzgesetz-Kerne anhand von Binance BTCUSDT und LOBSTER AAPL-Daten. Sie berichten, dass ein nahezu instabiles, aber unterkritisches Regime wichtig ist, um realistische Bündelung im Orderfluss nachzubilden. Das Dokument beschreibt eine Forschungsmethode und empirische Kalibrierung, keine Handelsstrategie oder Profitabilitätsprüfung. Die Schlussfolgerungen hängen von den ausgewählten Datensätzen und Modellannahmen ab; die Zusammenfassung enthält keine Kalibrierungsdetails, Diagnoseergebnisse oder Belege zur Performance bei der Live-Ausführung.

Kernaussagen

• Hawkes-Prozesse können die Bündelung von Ereignissen im Limit-Orderbuch modellieren.
• Der Rahmen verbindet stochastischen Orderfluss mit einem deterministischen Limit-Orderbuchsimulator.
• Stabilität und Ergodizität werden für lineare und nichtlineare Hawkes-Modelle analysiert.
• Zeitreskalierungs- und Anpassungsgütediagnosen dienen dazu, angepasste Prozesse zu bewerten.
• Die berichteten Kalibrierungen legen nahe, dass eine nahezu kritische, unterkritische Dynamik realistische Bündelung nachbilden kann.

Schlagwörter

# A Deterministic Limit Order Book Simulator with Hawkes-Driven Order Flow


# A Deterministic Limit Order Book Simulator with Hawkes-Driven Order Flow









We present a reproducible research framework for market microstructure combining a deterministic C++ limit order book (LOB) simulator with stochastic order flow generated by multivariate marked Hawkes processes. The paper derives full stability and ergodicity proofs for both linear and nonlinear Hawkes models, implements time-rescaling and goodness-of-fit diagnostics, and calibrates exponential and power-law kernels on Binance BTCUSDT and LOBSTER AAPL datasets. Empirical results highlight the nearly-unstable subcritical regime as essential for reproducing realistic clustering in order flow. All code, datasets, and configuration files are publicly available at https://github.com/sohaibelkarmi/High-Frequency-Trading-Simulator

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.