주문장 이벤트 생성과 시장 시뮬레이션을 위한 MarketGPT
기사 arXiv papers · 저자: Aaron Wheeler et al.
요약
이 연구는 금융 시계열을 주문 메시지의 시퀀스로 모델링하는 생성형 사전학습 트랜스포머를 제시합니다. 이 모델은 이산 사건 시뮬레이터 안에서 주문 생성 엔진으로 작동하며, 지정가 주문장 동학을 재현하고 상호작용형 시장 시뮬레이션을 지원하는 것을 목표로 합니다. 원래의 주문 흐름 프롬프트가 컨텍스트 창을 벗어난 뒤에도 긴 시퀀스를 순차적으로 생성하도록 설계됐습니다.
보고된 평가에 따르면 생성된 주문 흐름은 관측된 주문 흐름 데이터의 주요 특징을 재현하고 실제 시장 및 더 넓은 거시 규모 데이터와 관련된 여러 통계적 패턴을 포착합니다. 이 결과는 시뮬레이션 충실도에 관한 것이며, 입증된 트레이딩 전략이나 수익성 있는 체결의 증거는 아닙니다. 문서에는 상세한 지표, 데이터셋 또는 비교 기준이 없어 충실도가 어느 정도인지, 어떤 조건에서 유지되는지 설명만으로는 분명하지 않습니다. 이 접근법은 고충실도 시장 시뮬레이션을 향한 진전으로 제시되며, 실용성은 실제 주문장으로 검증하고 평가 대상 이외의 시장 상황을 시뮬레이터가 얼마나 잘 나타내는지에 달려 있습니다.
핵심 아이디어
- 트랜스포머가 이산 사건 시뮬레이터용 금융 주문 메시지 시퀀스를 생성합니다.
- 이 시스템은 지정가 주문장 동학을 재현하는 것을 목표로 합니다.
- 초기 프롬프트가 컨텍스트 창을 벗어난 뒤에도 주문 흐름 생성을 이어갈 수 있습니다.
- 보고된 평가에서는 주문 흐름의 주요 특징과 여러 통계적 시장 패턴을 포착했습니다.
- 시뮬레이션의 충실도만으로는 모델이 수익성 있는 트레이딩을 뒷받침한다고 볼 수 없습니다.
태그
전문
# MarketGPT: Developing a Pre-trained transformer (GPT) for Modeling Financial Time Series # MarketGPT: Developing a Pre-trained transformer (GPT) for Modeling Financial Time Series This work presents a generative pre-trained transformer (GPT) designed for modeling financial time series. The GPT functions as an order generation engine within a discrete event simulator, enabling realistic replication of limit order book dynamics. Our model leverages recent advancements in large language models to produce long sequences of order messages in a steaming manner. Our results demonstrate that the model successfully reproduces key features of order flow data, even when the initial order flow prompt is no longer present within the model's context window. Moreover, evaluations reveal that the model captures several statistical properties, or 'stylized facts', characteristic of real financial markets and broader macro-scale data distributions. Collectively, this work marks a significant step toward creating high-fidelity, interactive market simulations.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.