Générer un flux d’ordres contrôlable avec un méta-agent guidé par diffusion

Résumé

Cet article propose un cadre génératif permettant de créer des flux d’ordres sur les marchés financiers tout en contrôlant le comportement du marché. Il part du constat que les méthodes existantes de génération de flux d’ordres peuvent mal reproduire les données de marché et offrent peu de contrôle, ce qui limite leur utilité pour la recherche et le trading.

Le méta-agent guidé par diffusion proposé combine un modèle de diffusion conditionnel et un méta-agent informé par des a priori économiques et financiers. Le modèle de diffusion représente l’évolution des conditions de marché à l’aide de paramètres de distribution variables dans le temps pour les rendements du prix médian et les taux d’arrivée des ordres. Le méta-agent utilise ensuite ces distributions pour générer des ordres. L’article fait état d’une meilleure fidélité et d’une meilleure contrôlabilité de la génération lors des expériences, puis teste l’environnement généré pour des tâches de trading à haute fréquence, en rapportant également une efficacité de calcul. La description fournie ne précise ni les jeux de données, ni les références de comparaison, ni les valeurs des mesures, ni l’éventail des conditions de marché testées ; elle ne suffit donc pas à évaluer la généralisation au-delà de ces expériences.

Idées clés

• La génération de flux d’ordres vise à modéliser la séquence d’ordres qui constitue un marché financier.
• Un modèle de diffusion conditionnel représente les distributions évolutives des rendements du prix médian et des taux d’arrivée des ordres.
• Un méta-agent s’appuie sur des a priori économiques et financiers pour générer des ordres à partir de ces distributions.
• Les auteurs rapportent des gains en contrôlabilité, fidélité et efficacité, et évaluent l’utilisation dans des tâches de trading à haute fréquence.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.