مصنوعی آرڈر فلو سے انٹرا ڈے قیمتوں کے راستے بنانا

خلاصہ

مقالہ زیادہ رفتار والے آرڈر فلو کو انٹرا ڈے قیمتوں میں تبدیلی کا ذریعہ قرار دیتا اور مصنوعی آرڈر سلسلے بنانے کے لیے سیکوئنس جنریٹو ایڈورسریئل نیٹ ورکس استعمال کرتا ہے۔ یہ سلسلے قیمتوں کے راستوں کی سیمولیشن کے لیے استعمال ہوتے ہیں، پھر پیدا شدہ رویے کا حقیقی مارکیٹ ڈیٹا سے تقابل کیا جاتا ہے۔ مقداری مالیات کا ایک پیرامیٹرک ماڈل معیارِ تقابل ہے؛ بے ترتیب آرڈر فلو راستے منتخب کرنے سے پہلے دونوں ماڈلز کو فٹ کیا جاتا ہے۔

جائزے میں دیکھا جاتا ہے کہ آیا فرضی قیمتیں حقیقی قیمتوں کی تجرباتی خصوصیات، مثلاً لاگ منافع کی تقسیم، اتار چڑھاؤ اور موٹی دموں، کو دوبارہ پیدا کرتی ہیں۔ مصنفین کے مطابق جنریٹو ماڈل کے آرڈر سلسلوں سے پیدا ہونے والی قیمتوں کی تبدیلیاں معیارِ تقابل کے مقابلے میں مشاہدہ شدہ شماریاتی رویے سے بہتر میل کھاتی ہیں۔ اقتباس میں مارکیٹ، نمونے کی مدت، ماڈل کی تفصیلات یا بہتری کی عددی مقدار کی نشاندہی نہیں۔ شواہد شماریاتی سیمولیشن کی وفاداری سے متعلق ہیں، اس لیے یہ ثابت نہیں کرتے کہ مصنوعی راستے منافع بخش ٹریڈنگ ممکن بناتے ہیں یا مارکیٹ کی ہر متعلقہ خصوصیت کو پکڑتے ہیں۔

اہم خیالات

• یہ طریقہ مصنوعی ہائی فریکوئنسی آرڈر فلو پیدا کرنے کے لیے ایک سلسلہ GAN استعمال کرتا ہے۔
• پیدا شدہ آرڈر سلسلوں کو فرضی انٹرا ڈے قیمتوں کی تبدیلیوں میں بدلا جاتا ہے۔
• مقداری مالیات کا پیرامیٹرک ماڈل معیارِ تقابل کے طور پر استعمال ہوتا ہے۔
• جائزہ منافع کی تقسیم، اتار چڑھاؤ اور موٹی دموں کے رویے کا حقیقی ڈیٹا سے تقابل کرتا ہے۔
• رپورٹ کردہ بہتری شماریاتی مشابہت سے متعلق ہے، ٹریڈنگ کے منافع سے نہیں۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔