Générer des trajectoires de prix intrajournalières à partir d’un flux d’ordres synthétique

Résumé

L’article modélise le flux d’ordres à haute fréquence comme une source de variations de prix intrajournalières et applique des réseaux antagonistes génératifs de séquences pour générer des séquences d’ordres synthétiques. Il utilise ces séquences pour simuler des trajectoires de prix, puis compare le comportement généré à celui des données de marché réelles. Un modèle paramétrique de finance quantitative sert de référence, les deux modèles étant ajustés avant l’échantillonnage de trajectoires aléatoires de flux d’ordres.

L’évaluation porte sur la capacité des prix simulés à reproduire les caractéristiques empiriques des mouvements de prix réels, notamment les distributions des rendements logarithmiques, la volatilité et les queues épaisses. Les auteurs indiquent que le modèle génératif produit des séquences d’ordres dont les variations de prix résultantes correspondent mieux au comportement statistique observé que celles de la référence. L’extrait ne précise ni le marché, ni la période d’échantillonnage, ni les détails du modèle, ni l’ampleur quantitative de l’amélioration. Les preuves concernent la fidélité statistique de la simulation et n’établissent donc pas que les trajectoires synthétiques permettent un trading rentable ou couvrent toutes les caractéristiques pertinentes du marché.

Idées clés

• La méthode utilise une séquence GAN pour générer un flux d’ordres synthétique à haute fréquence.
• Les séquences d’ordres générées sont converties en variations de prix intrajournalières simulées.
• Un modèle paramétrique de finance quantitative sert de référence.
• L’évaluation compare les distributions des rendements, la volatilité et le comportement des queues épaisses aux données réelles.
• L’amélioration rapportée concerne la ressemblance statistique, et non la rentabilité du trading.

Étiquettes

# 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.

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.