호크스 기반 지정가 주문장 시뮬레이션

기사 arXiv papers · 저자: Sohaib El Karmi

요약

이 연구 프레임워크는 결정론적 지정가 주문장 시뮬레이터와 다변량 마크드 호크스 과정으로 생성한 확률적 주문 도착을 결합합니다. 선형 및 비선형 호크스 모형이 군집화된 주문 흐름을 표현하는 방식을 설명하고, 두 모형 유형의 안정성과 에르고딕성 결과를 제시합니다. 적합된 이벤트 모형을 평가하기 위한 시간 재조정 및 적합도 진단도 포함합니다.

저자들은 Binance BTCUSDT 및 LOBSTER AAPL 데이터를 사용해 지수형 및 멱법칙 커널을 보정합니다. 현실적인 주문 흐름 군집을 재현하려면 거의 불안정하지만 임계 이하인 체제가 중요하다고 보고합니다. 이 문서는 트레이딩 전략이나 수익성 검증이 아니라 연구 방법과 실증적 보정을 설명합니다. 결론은 선택한 데이터셋과 모형 가정에 따라 달라지며, 요약에는 보정 세부 사항, 진단 결과, 실거래 체결 성과에 관한 근거가 제시되지 않습니다.

핵심 아이디어

호크스 과정은 지정가 주문장 이벤트 도착의 군집화를 모형화할 수 있습니다.
프레임워크는 확률적 주문 흐름과 결정론적 지정가 주문장 시뮬레이터를 결합합니다.
선형 및 비선형 호크스 모형 모두의 안정성과 에르고딕성을 분석합니다.
적합된 과정 평가에 시간 재조정 및 적합도 진단을 사용합니다.
보고된 보정 결과는 임계점에 가까운 임계 이하 동학이 현실적인 군집 재현에 도움이 됨을 시사합니다.

# 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

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

호크스 기반 주문 흐름으로 지정가 주문장 시뮬레이션

요약

핵심 아이디어

태그