Simuler les carnets d’ordres avec des flux d’ordres de Hawkes

Résumé

Ce cadre de recherche associe un simulateur déterministe de carnet d’ordres à des arrivées d’ordres stochastiques générées par des processus de Hawkes marqués multivariés. Il explique comment les modèles de Hawkes linéaires et non linéaires peuvent représenter les regroupements de flux d’ordres et présente des résultats de stabilité et d’ergodicité pour les deux types de modèles. Le cadre comprend également des diagnostics de reparamétrage du temps et d’adéquation pour évaluer les modèles d’événements ajustés.

Les auteurs calibrent des noyaux exponentiels et en loi de puissance à partir des données Binance BTCUSDT et LOBSTER AAPL. Ils rapportent qu’un régime presque instable, mais sous-critique, est important pour reproduire des regroupements réalistes de flux d’ordres. Le document décrit une méthode de recherche et un calibrage empirique, et non une stratégie de trading ou un test de rentabilité. Ses conclusions dépendent des jeux de données retenus et des hypothèses du modèle ; le résumé ne fournit ni détails de calibrage, ni résultats des diagnostics, ni éléments sur les performances en exécution réelle.

Idées clés

• Les processus de Hawkes peuvent modéliser le regroupement des arrivées d’événements dans un carnet d’ordres à cours limité.
• Le cadre associe des flux d’ordres stochastiques à un simulateur déterministe de carnet d’ordres à cours limité.
• La stabilité et l’ergodicité sont étudiées pour les modèles de Hawkes linéaires et non linéaires.
• Des diagnostics de reparamétrage du temps et d’adéquation servent à évaluer les processus ajustés.
• Les calibrages présentés suggèrent qu’une dynamique sous-critique proche du seuil critique aide à reproduire des regroupements réalistes.

Étiquettes

# A Deterministic Limit Order Book Simulator with Hawkes-Driven Order Flow


# A Deterministic Limit Order Book Simulator with Hawkes-Driven Order Flow









We present a reproducible research framework for market microstructure combining a deterministic C++ limit order book (LOB) simulator with stochastic order flow generated by multivariate marked Hawkes processes. The paper derives full stability and ergodicity proofs for both linear and nonlinear Hawkes models, implements time-rescaling and goodness-of-fit diagnostics, and calibrates exponential and power-law kernels on Binance BTCUSDT and LOBSTER AAPL datasets. Empirical results highlight the nearly-unstable subcritical regime as essential for reproducing realistic clustering in order flow. All code, datasets, and configuration files are publicly available at https://github.com/sohaibelkarmi/High-Frequency-Trading-Simulator

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.