Моделирование внутридневных цен по синтетическому потоку заявок

Сводка

В статье высокочастотный поток заявок рассматривается как источник внутридневных изменений цен; для генерации синтетических последовательностей заявок применяются последовательные генеративно-состязательные сети. Затем эти последовательности используются для моделирования ценовых траекторий, поведение которых сравнивается с реальными рыночными данными. В качестве бенчмарка служит параметрическая модель из количественных финансов; обе модели подгоняются до выборки случайных траекторий потока заявок.

Оценка сосредоточена на том, воспроизводят ли смоделированные цены эмпирические особенности реальных движений, в том числе распределения логарифмической доходности, волатильность и тяжёлые хвосты. Авторы сообщают, что вариации цен, полученные из последовательностей заявок генеративной модели, лучше соответствуют наблюдаемым статистическим закономерностям, чем результаты бенчмарка. В отрывке не указаны рынок, период выборки, подробности модели или количественный размер улучшения. Результаты относятся к точности статистической симуляции и не доказывают, что синтетические траектории обеспечивают прибыльную торговлю или охватывают все важные особенности рынка.

Ключевые идеи

• Метод использует последовательную модель GAN для генерации синтетического высокочастотного потока заявок.
• Сгенерированные последовательности заявок преобразуются в смоделированные внутридневные изменения цен.
• В качестве бенчмарка используется параметрическая модель количественных финансов.
• Оценка сопоставляет с реальными данными распределения доходности, волатильность и поведение тяжёлых хвостов.
• Сообщаемое улучшение касается статистического сходства, а не прибыльности торговли.

Теги

# Intra-Day Price Simulation with Generative Adversarial Modelling of the Order Flow


# Intra-Day Price Simulation with Generative Adversarial Modelling of the Order Flow









Intra-day price variations in financial markets are driven by the sequence of orders, called the order flow, that is submitted at high frequency by traders. This paper introduces a novel application of the Sequence Generative Adversarial Networks framework to model the order flow, such that random sequences of the order flow can then be generated to simulate the intra-day variation of prices. As a benchmark, a well-known parametric model from the quantitative finance literature is selected. The models are fitted, and then multiple random paths of the order flow sequences are sampled from each model. Model performances are then evaluated by using the generated sequences to simulate price variations, and we compare the empirical regularities between the price variations produced by the generated and real sequences. The empirical regularities considered include the distribution of the price log-returns, the price volatility, and the heavy-tail of the log-returns distributions. The results show that the order sequences from the generative model are better able to reproduce the statistical behaviour of real price variations than the sequences from the benchmark.

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.