ビットコイン市場の急騰期を通じた注文フローモデルの検証
記事 arXiv papers · 著者: Ye-Sheen Lim et al.
サマリー
本論文は、取引所の注文フローを用いて高頻度の価格方向をモデル化する、深層リカレントモデルを提案します。注文フローとは、価格形成に寄与する到着注文の流れを指します。中心的な問いは、ある市場局面で学習したモデルが、環境が大きく変化した後も有用かどうかです。
時間的な安定性を評価するため、著者らは2017年のビットコイン急騰前のデータでモデルを学習させ、その期間中と後のデータで再学習せずに検証します。変動の激しい急騰期を通じてモデルが安定していたと報告し、価格形成に関する既存のディープラーニング手法と比較しています。提示された説明には、データソース、正確な予測対象、評価指標、ベンチマークの結果がありません。したがって、報告された実験における安定性の主張は示されていますが、他の資産、取引所、市場局面にもどの程度一般化できるかは不明です。
主なアイデア
- 提案する深層リカレントモデルは、取引所の注文フローを使って高頻度の価格方向の変化をモデル化します。
- 急騰前のビットコインデータで学習し、2017年の急騰期中とその後に検証します。
- 変動の大きい期間を通じて、再学習せずにモデルを評価します。
- 著者らは時間的安定性を報告し、既存のディープラーニング手法と比較しています。
- 利用可能な説明には、より広い一般化を判断するための指標やデータの詳細がありません。
タグ
全文
# Deep Recurrent Modelling of Stationary Bitcoin Price Formation Using the Order Flow # Deep Recurrent Modelling of Stationary Bitcoin Price Formation Using the Order Flow In this paper we propose a deep recurrent model based on the order flow for the stationary modelling of the high-frequency directional prices movements. The order flow is the microsecond stream of orders arriving at the exchange, driving the formation of prices seen on the price chart of a stock or currency. To test the stationarity of our proposed model we train our model on data before the 2017 Bitcoin bubble period and test our model during and after the bubble. We show that without any retraining, the proposed model is temporally stable even as Bitcoin trading shifts into an extremely volatile "bubble trouble" period. The significance of the result is shown by benchmarking against existing state-of-the-art models in the literature for modelling price formation using deep learning.
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。