MarketGPT tạo sự kiện sổ lệnh giới hạn và mô phỏng thị trường

Tóm tắt

Công trình giới thiệu một transformer tạo sinh đã tiền huấn luyện để mô hình hóa chuỗi thời gian tài chính dưới dạng chuỗi thông điệp lệnh. Mô hình hoạt động như một bộ máy tạo lệnh bên trong trình mô phỏng sự kiện rời rạc, nhằm tái tạo động lực sổ lệnh giới hạn và hỗ trợ mô phỏng thị trường tương tác. Mô hình được thiết kế để tạo dần các chuỗi dài, kể cả sau khi lời nhắc ban đầu về luồng lệnh đã nằm ngoài cửa sổ ngữ cảnh.

Các đánh giá được báo cáo cho thấy luồng lệnh do mô hình tạo ra tái hiện những đặc điểm chính của dữ liệu luồng lệnh quan sát được và nắm bắt một số mẫu hình thống kê gắn với thị trường thực cũng như dữ liệu vĩ mô rộng hơn. Những kết quả này liên quan đến độ trung thực của mô phỏng, chứ không phải một chiến lược giao dịch đã được chứng minh hay bằng chứng về khớp lệnh có lợi nhuận. Tài liệu không cung cấp chỉ số chi tiết, bộ dữ liệu hoặc chuẩn đối chiếu, nên mô tả này chưa làm rõ mức độ trung thực và các thiết lập mà mô hình hoạt động tốt. Phương pháp được trình bày như một bước tiến hướng tới mô phỏng thị trường có độ trung thực cao; tính hữu ích thực tế phụ thuộc vào việc kiểm định với sổ lệnh thực và khả năng trình mô phỏng thể hiện điều kiện thị trường ngoài phạm vi đã đánh giá.

Ý chính

• Transformer tạo chuỗi thông điệp lệnh tài chính cho trình mô phỏng sự kiện rời rạc.
• Hệ thống hướng đến tái tạo động lực của sổ lệnh giới hạn.
• Mô hình có thể tiếp tục tạo luồng lệnh sau khi lời nhắc ban đầu nằm ngoài cửa sổ ngữ cảnh.
• Các đánh giá được báo cáo cho thấy mô hình nắm bắt những đặc điểm chính của luồng lệnh và một số mẫu hình thống kê thị trường.
• Độ trung thực của mô phỏng tự nó không chứng minh mô hình hỗ trợ giao dịch có lợi nhuận.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.