Генерация управляемого потока заявок с Diffusion Guided Meta Agent

Сводка

В статье предлагается генеративный подход к созданию потока заявок на финансовом рынке с возможностью управлять поведением рынка. Авторы исходят из того, что существующие методы генерации потока заявок могут плохо воспроизводить рыночные данные и обеспечивать ограниченный контроль, что сужает их полезность для исследований и торговли.

Предложенный Diffusion Guided Meta Agent сочетает условную диффузионную модель с мета-агентом, опирающимся на финансово-экономические априорные знания. Диффузионная модель описывает меняющиеся рыночные условия через меняющиеся во времени параметры распределений доходности средней цены и интенсивности поступления заявок. Затем мета-агент использует эти распределения для генерации заявок. Авторы сообщают об улучшении точности и управляемости генерации в экспериментах и проверяют сгенерированную среду в задачах высокочастотной торговли, также отмечая вычислительную эффективность. В описании не указаны наборы данных, базовые модели, значения метрик или диапазон проверенных рыночных условий, поэтому по нему нельзя оценить, насколько хорошо подход обобщается за пределы этих экспериментов.

Ключевые идеи

• Генерация потока заявок направлена на моделирование последовательности заявок, формирующей финансовый рынок.
• Условная диффузионная модель описывает меняющиеся распределения доходности средней цены и интенсивности поступления заявок.
• Мета-агент использует финансово-экономические априорные знания, чтобы генерировать заявки на основе этих распределений.
• Авторы сообщают об улучшении управляемости, точности и эффективности и оценивают применение подхода в задачах высокочастотной торговли.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.