آرڈر بک کے واقعات اور منڈی کے تخروپن کے لیے MarketGPT

خلاصہ

یہ کام مالی ٹائم سیریز کو آرڈر پیغامات کی ترتیب کے طور پر ماڈل کرنے کے لیے ایک جنریٹو پری ٹرینڈ ٹرانسفارمر پیش کرتا ہے۔ ماڈل ڈسکریٹ ایونٹ سمیولیٹر کے اندر آرڈر بنانے والے انجن کے طور پر کام کرتا ہے، جس کا مقصد لمٹ آرڈر بک کی حرکیات دہرانا اور متعامل منڈی کے تخروپن کو ممکن بنانا ہے۔ اسے طویل سلسلے بتدریج پیدا کرنے کے لیے بنایا گیا ہے، اس وقت بھی جب اصل آرڈر فلو پرامپٹ اس کے سیاقی ونڈو سے باہر جا چکا ہو۔

رپورٹ کردہ جائزوں سے معلوم ہوا کہ تیار کردہ آرڈر فلو، مشاہدہ شدہ آرڈر فلو ڈیٹا کی بنیادی خصوصیات دہراتا ہے اور حقیقی منڈیوں اور وسیع تر میکرو پیمانے کے ڈیٹا سے وابستہ کئی شماریاتی نمونے پکڑتا ہے۔ یہ نتائج تخروپن کی وفاداری سے متعلق ہیں، کسی ثابت شدہ ٹریڈنگ اسٹریٹیجی یا منافع بخش نفاذ کے شواہد سے نہیں۔ دستاویز میں تفصیلی پیمانے، ڈیٹا سیٹس یا تقابلی معیار نہیں دیے گئے، اس لیے اس وضاحت سے وفاداری کی حد اور وہ حالات واضح نہیں ہوتے جن میں یہ برقرار رہتی ہے۔ یہ طریقہ اعلیٰ وفاداری والے منڈی تخروپن کی جانب پیش رفت کے طور پر پیش کیا گیا ہے؛ اس کی عملی افادیت کا انحصار حقیقی آرڈر بکس سے توثیق اور اس بات پر ہے کہ سمیولیٹر ان حالات کی کتنی درست نمائندگی کرتا ہے جن کا جائزہ نہیں لیا گیا۔

اہم خیالات

• ٹرانسفارمر ڈسکریٹ ایونٹ سمیولیٹر کے لیے مالی آرڈر پیغامات کی ترتیبیں تیار کرتا ہے۔
• یہ نظام لمٹ آرڈر بک کی حرکیات دہرانے کے لیے بنایا گیا ہے۔
• ابتدائی پرامپٹ اس کی سیاقی ونڈو سے نکل جانے کے بعد بھی یہ آرڈر فلو تیار کرتا رہ سکتا ہے۔
• رپورٹ کردہ جائزوں میں اسے آرڈر فلو کی بنیادی خصوصیات اور منڈی کے کئی شماریاتی نمونے پکڑتے ہوئے پایا گیا۔
• تخروپن کی وفاداری بذاتِ خود یہ نہیں دکھاتی کہ ماڈل منافع بخش ٹریڈنگ میں مدد دیتا ہے۔

ٹیگز

# 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.

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۔