コンテンツへスキップ
ライブラリの全資料

拡散モデルとメタエージェントによる制御可能な注文フロー生成

記事 arXiv papers · 著者: Yu-Hao Huang et al.
原文を読む

サマリー

本論文は、市場の挙動を制御しながら金融市場の注文フローを生成する枠組みを提案しています。既存の注文フロー生成手法では市場データを十分に再現できず、制御も限られるため、研究や取引への応用が制約されるという課題を出発点としています。

提案するDiffusion Guided Meta Agentは、条件付き拡散モデルと金融経済学の事前知識を取り入れたメタエージェントを組み合わせています。拡散モデルは、中値リターンと注文到着率の分布パラメーターを時間とともに変化させ、市場環境の変化を表します。メタエージェントはその分布を使って注文を生成します。本論文は、実験で生成の忠実度と制御可能性が改善したと報告し、生成環境を高頻度取引タスクに適用して、計算効率も検証しています。提示された説明にはデータセット、比較対象、指標値、検証した市場環境の範囲が示されていないため、実験以外への一般化を判断するには不十分です。

主なアイデア

  • 注文フロー生成では、金融市場を形成する注文の流れをモデル化します。
  • 条件付き拡散モデルで、中値リターンと注文到着率の変化する分布を表します。
  • メタエージェントは金融経済学の事前知識を用いて、これらの分布から注文を生成します。
  • 著者らは制御可能性、忠実度、効率の改善を報告し、高頻度取引タスクへの適用を評価しています。

タグ

機械学習高頻度取引市場マイクロストラクチャー
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。