تولید جریان سفارشِ کنترل‌پذیر با عامل فرادستِ هدایت‌شده با انتشار
خلاصه
این مقاله چارچوبی مولد برای ایجاد جریان سفارش در بازار مالی، با امکان کنترل رفتار بازار، پیشنهاد می‌کند. انگیزه آن این است که روش‌های موجود تولید جریان سفارش ممکن است داده‌های بازار را ضعیف بازتولید کنند و کنترل محدودی ارائه دهند؛ در نتیجه کاربردشان در پژوهش و معامله‌گری محدود می‌شود.
عامل فرادستِ هدایت‌شده با انتشارِ پیشنهادی، مدل انتشار شرطی را با یک عامل فرادستِ آگاه از پیشین‌های اقتصاد مالی ترکیب می‌کند. مدل انتشار، شرایط متغیر بازار را با پارامترهای توزیعِ متغیر با زمان برای بازده قیمت میانی و نرخ ورود سفارش نشان می‌دهد. سپس عامل فرادست از این توزیع‌ها برای تولید سفارش استفاده می‌کند. مقاله در آزمایش‌ها بهبود وفاداری و کنترل‌پذیری تولید را گزارش می‌دهد و محیط تولیدشده را برای وظایف بعدی معامله‌گری پُربسامد می‌آزماید؛ همچنین کارایی محاسباتی را گزارش می‌کند. شرح ارائه‌شده مجموعه‌داده‌ها، معیارهای مبنا، مقادیر سنجه‌ها یا دامنه شرایط بازارِ آزموده‌شده را مشخص نمی‌کند؛ بنابراین برای قضاوت درباره تعمیم‌پذیری روش فراتر از آن آزمایش‌ها کافی نیست.
ایده‌های کلیدی
- تولید جریان سفارش می‌کوشد دنباله سفارش‌هایی را مدل کند که بازار مالی را شکل می‌دهند.
- مدل انتشار شرطی، توزیع‌های در حال تغییرِ بازده قیمت میانی و نرخ ورود سفارش را نشان می‌دهد.
- عامل فرادست از پیشین‌های اقتصاد مالی برای تولید سفارش از آن توزیع‌ها استفاده می‌کند.
- نویسندگان بهبود کنترل‌پذیری، وفاداری و کارایی را گزارش می‌کنند و کاربرد در وظایف معامله‌گری پُربسامد را ارزیابی می‌کنند.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.