हॉक्स-आधारित ऑर्डर प्रवाह से लिमिट ऑर्डर बुक का सिमुलेशन

सारांश

यह शोध ढाँचा नियतात्मक लिमिट ऑर्डर बुक सिम्युलेटर को बहुचर चिह्नित हॉक्स प्रक्रियाओं से उत्पन्न स्टोकेस्टिक ऑर्डर आगमन के साथ जोड़ता है। इसमें बताया गया है कि रैखिक और गैर-रैखिक हॉक्स मॉडल समूहित ऑर्डर प्रवाह को कैसे दर्शा सकते हैं; दोनों मॉडल प्रकारों के लिए स्थिरता और एर्गोडिसिटी के नतीजे भी दिए गए हैं। फ़िट की गई घटना प्रक्रियाओं का आकलन करने के लिए ढाँचे में समय-पुनःस्केलिंग और उपयुक्तता-आकलन निदान भी शामिल हैं।

लेखक Binance BTCUSDT और LOBSTER AAPL डेटा का उपयोग करके घातांकीय और पावर-लॉ कर्नेल का अंशांकन करते हैं। वे बताते हैं कि यथार्थवादी ऑर्डर-प्रवाह समूहण दोहराने के लिए लगभग-अस्थिर, लेकिन उप-क्रांतिक शासन महत्वपूर्ण है। दस्तावेज़ ट्रेडिंग रणनीति या लाभप्रदता परीक्षण के बजाय शोध पद्धति और अनुभवजन्य अंशांकन प्रस्तुत करता है। निष्कर्ष चुने गए डेटासेट और मॉडल मान्यताओं पर निर्भर करते हैं; सारांश में अंशांकन विवरण, निदान नतीजे या लाइव निष्पादन में प्रदर्शन के प्रमाण नहीं हैं।

मुख्य विचार

• हॉक्स प्रक्रियाएँ लिमिट ऑर्डर बुक में घटनाओं के आगमन के समूहण को मॉडल कर सकती हैं।
• यह ढाँचा स्टोकेस्टिक ऑर्डर प्रवाह को नियतात्मक लिमिट ऑर्डर बुक सिम्युलेटर से जोड़ता है।
• रैखिक और गैर-रैखिक, दोनों हॉक्स मॉडलों के लिए स्थिरता और एर्गोडिसिटी का विश्लेषण किया गया है।
• फ़िट की गई प्रक्रियाओं का आकलन करने के लिए समय-पुनःस्केलिंग और उपयुक्तता-आकलन निदान उपयोग किए गए हैं।
• बताए गए अंशांकन संकेत देते हैं कि लगभग-क्रांतिक उप-क्रांतिक गतिशीलता यथार्थवादी समूहण दोहराने में मदद करती है।

टैग

# 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

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।