सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

प्रतिक्रियाशील सिंथेटिक बाज़ार सिमुलेशन के लिए CGAN

लेख arXiv papers · लेखक: Andrea Coletta et al.
मूल स्रोत पढ़ें

सारांश

यह शोध ऐतिहासिक रीप्ले बैकटेस्ट की एक सीमा पर चर्चा करता है: वे यह मॉडल नहीं करते कि बाज़ार किसी रणनीति की कार्रवाइयों पर कैसी प्रतिक्रिया दे सकता है। इसमें अलग-अलग रणनीतियों वाले ट्रेडरों की परस्पर क्रिया दर्शाने के लिए बहु-एजेंट सिमुलेशन का वर्णन है, जिससे प्रयोगात्मक ट्रेडिंग एजेंटों को सिम्युलेटेड बाज़ार में परखा जा सकता है। व्यावहारिक बाधा यह है कि अलग-अलग एजेंटों का विस्तृत ऐतिहासिक डेटा आम तौर पर मालिकाना होता है या उपलब्ध नहीं होता, जिससे यथार्थपरक अंशांकन कठिन हो जाता है।

प्रस्तावित तरीका समेकित ऐतिहासिक डेटा पर कंडीशनल जेनरेटिव एडवर्सरियल नेटवर्क को प्रशिक्षित करके एक सिंथेटिक “विश्व” एजेंट बनाता है, जो प्रयोगात्मक एजेंट की प्रतिक्रिया में ऑर्डर उत्पन्न करता है। जनरेटर को ABIDES वित्तीय बाज़ार सिम्युलेटर में एकीकृत किया गया है। लेखक व्यापक सिमुलेशन की रिपोर्ट करते हैं, जिनमें बाज़ार की प्रतिक्रियाशीलता और यथार्थवाद दर्शाने के लिए बनाए गए शैलीगत तथ्यों पर उनका तरीका पूर्ववर्ती काम से बेहतर रहा। विवरण में विशिष्ट तथ्य, डेटासेट, बाज़ार या प्रदर्शन माप नहीं बताए गए हैं; केवल सिमुलेशन परिणाम यह साबित नहीं करते कि जनित वातावरण लाइव बाज़ार व्यवहार का पूर्वानुमान करता है।

मुख्य विचार

  • ऐतिहासिक रीप्ले बैकटेस्ट रणनीति के ऑर्डर पर बाज़ार की प्रतिक्रिया का मॉडल नहीं करते।
  • बहु-एजेंट सिमुलेशन अलग-अलग रणनीतियों वाले ट्रेडरों की परस्पर क्रिया दर्शा सकता है।
  • यह विधि समेकित ऐतिहासिक डेटा पर प्रशिक्षित कंडीशनल जेनरेटिव एडवर्सरियल नेटवर्क का उपयोग करती है।
  • एक सिंथेटिक विश्व एजेंट प्रयोगात्मक ट्रेडिंग एजेंट की प्रतिक्रिया में ऑर्डर उत्पन्न करता है।
  • यह प्रणाली ABIDES में एकीकृत है और यथार्थवाद से जुड़े शैलीगत तथ्यों में सुधार की रिपोर्ट करती है।

टैग

मशीन लर्निंगबैकटेस्टिंगबाज़ार की सूक्ष्म संरचनाऑर्डर निष्पादनसांख्यिकी
पूरा पाठ
# Towards Realistic Market Simulations: a Generative Adversarial Networks Approach


# Towards Realistic Market Simulations: a Generative Adversarial Networks Approach









Simulated environments are increasingly used by trading firms and investment banks to evaluate trading strategies before approaching real markets. Backtesting, a widely used approach, consists of simulating experimental strategies while replaying historical market scenarios. Unfortunately, this approach does not capture the market response to the experimental agents' actions. In contrast, multi-agent simulation presents a natural bottom-up approach to emulating agent interaction in financial markets. It allows to set up pools of traders with diverse strategies to mimic the financial market trader population, and test the performance of new experimental strategies. Since individual agent-level historical data is typically proprietary and not available for public use, it is difficult to calibrate multiple market agents to obtain the realism required for testing trading strategies. To addresses this challenge we propose a synthetic market generator based on Conditional Generative Adversarial Networks (CGANs) trained on real aggregate-level historical data. A CGAN-based "world" agent can generate meaningful orders in response to an experimental agent. We integrate our synthetic market generator into ABIDES, an open source simulator of financial markets. By means of extensive simulations we show that our proposal outperforms previous work in terms of stylized facts reflecting market responsiveness and realism.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।