MarketGPT para generar eventos del libro de órdenes limitadas y simulaciones de mercado

Resumen

Este trabajo presenta un transformador generativo preentrenado para modelar series temporales financieras como secuencias de mensajes de órdenes. El modelo funciona como motor de generación de órdenes dentro de un simulador de eventos discretos, con el objetivo de reproducir la dinámica del libro de órdenes límite y facilitar simulaciones interactivas de mercado. Está diseñado para generar secuencias largas de forma incremental, incluso después de que la instrucción inicial del flujo de órdenes haya salido de su ventana de contexto.

Las evaluaciones informadas encuentran que el flujo de órdenes generado reproduce características clave de los datos observados y capta varios patrones estadísticos asociados a los mercados reales y a datos macroeconómicos más amplios. Estos resultados se refieren a la fidelidad de la simulación, no a una estrategia de trading demostrada ni a pruebas de ejecución rentable. El documento no proporciona métricas detalladas, conjuntos de datos ni referencias de comparación, por lo que esta descripción no aclara hasta qué punto es fiel ni en qué contextos se mantiene esa fidelidad. El enfoque se presenta como un avance hacia la simulación de mercados de alta fidelidad; su utilidad práctica depende de validarlo con libros de órdenes reales y de hasta qué punto el simulador represente condiciones de mercado distintas de las evaluadas.

Ideas clave

• El transformador genera secuencias de mensajes de órdenes financieras para un simulador de eventos discretos.
• El sistema busca reproducir la dinámica del libro de órdenes límite.
• Puede seguir generando flujo de órdenes después de que la instrucción inicial salga de su ventana de contexto.
• Las evaluaciones informadas encuentran que capta características clave del flujo de órdenes y varios patrones estadísticos del mercado.
• La fidelidad de la simulación, por sí sola, no demuestra que el modelo permita operar con beneficios.

Etiquetas

# 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.

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.