Generación de trayectorias intradía a partir de flujos de órdenes sintéticos

Resumen

El artículo modela los flujos de órdenes de alta frecuencia como fuente de cambios intradía en los precios y aplica redes generativas antagónicas de secuencias para generar secuencias de órdenes sintéticas. Utiliza esas secuencias para simular trayectorias de precios y después compara el comportamiento generado con datos reales de mercado. Un modelo paramétrico de finanzas cuantitativas sirve como referencia; ambos modelos se ajustan antes de muestrear trayectorias aleatorias de flujos de órdenes.

La evaluación se centra en si los precios simulados reproducen características empíricas de los movimientos reales, como las distribuciones de log rentabilidades, la volatilidad y las colas gruesas. Los autores informan de que el modelo generativo produce secuencias de órdenes cuyas variaciones de precios resultantes se ajustan mejor al comportamiento estadístico observado que el modelo de referencia. El fragmento no identifica el mercado, el periodo de la muestra, los detalles del modelo ni la magnitud cuantitativa de la mejora. La evidencia se refiere a la fidelidad estadística de la simulación y no demuestra que las trayectorias sintéticas permitan operar con rentabilidad ni que reproduzcan todas las características pertinentes del mercado.

Ideas clave

• El método utiliza una secuencia GAN para generar flujos de órdenes sintéticos de alta frecuencia.
• Las secuencias de órdenes generadas se convierten en variaciones intradía de precios simuladas.
• Se utiliza como referencia un modelo paramétrico de finanzas cuantitativas.
• La evaluación compara las distribuciones de rentabilidad, la volatilidad y el comportamiento de colas gruesas con datos reales.
• La mejora informada se refiere a la semejanza estadística, no a la rentabilidad del trading.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.