MarketGPT для генерации событий биржевого стакана и симуляции рынка

Сводка

В работе представлен предварительно обученный генеративный трансформер для моделирования финансовых временных рядов как последовательностей сообщений об ордерах. Модель служит механизмом генерации ордеров внутри симулятора с дискретными событиями, предназначенного для воспроизведения динамики биржевого стакана и интерактивной симуляции рынков. Она спроектирована для пошаговой генерации длинных последовательностей, в том числе после того, как исходная подсказка о потоке ордеров выходит за пределы окна контекста.

Согласно приведённым оценкам, сгенерированный поток ордеров воспроизводит ключевые характеристики наблюдаемых данных о потоке ордеров и несколько статистических закономерностей, связанных с реальными рынками и более общими макроданными. Эти результаты относятся к точности симуляции, а не к продемонстрированной торговой стратегии или свидетельству прибыльного исполнения. В документе не приводятся подробные метрики, наборы данных или базовые модели для сравнения, поэтому из этого описания неясны степень точности и условия, в которых она достигается. Подход представлен как шаг к высокоточной симуляции рынка; его практическая ценность зависит от проверки на реальных биржевых стаканах и от того, насколько хорошо симулятор отражает рыночные условия за пределами рассмотренных.

Ключевые идеи

• Трансформер генерирует последовательности финансовых сообщений об ордерах для симулятора с дискретными событиями.
• Система предназначена для воспроизведения динамики биржевого стакана.
• Она может продолжать генерацию потока ордеров после выхода исходной подсказки за пределы окна контекста.
• Согласно приведённым оценкам, модель улавливает ключевые характеристики потока ордеров и ряд статистических закономерностей рынка.
• Точность симуляции сама по себе не доказывает, что модель поддерживает прибыльную торговлю.

Теги

# 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.

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.