Mô phỏng sổ lệnh giới hạn với luồng lệnh Hawkes

Tóm tắt

Khung nghiên cứu này kết hợp bộ mô phỏng sổ lệnh giới hạn tất định với các lệnh đến ngẫu nhiên được tạo bởi các quy trình Hawkes đa biến có nhãn. Khung giải thích cách mô hình Hawkes tuyến tính và phi tuyến biểu diễn luồng lệnh có tính cụm, đồng thời báo cáo các kết quả về tính ổn định và tính ergodic cho cả hai loại mô hình. Khung cũng bao gồm chẩn đoán đổi thang thời gian và độ phù hợp để đánh giá các mô hình sự kiện đã khớp.

Các tác giả hiệu chỉnh hạt nhân hàm mũ và quy luật lũy thừa bằng dữ liệu Binance BTCUSDT và LOBSTER AAPL. Họ báo cáo rằng chế độ gần mất ổn định nhưng dưới ngưỡng tới hạn có vai trò quan trọng trong việc tái tạo hiện tượng cụm luồng lệnh thực tế. Tài liệu mô tả phương pháp nghiên cứu và hiệu chỉnh thực nghiệm, chứ không phải chiến lược giao dịch hay kiểm định khả năng sinh lời. Kết luận phụ thuộc vào các bộ dữ liệu và giả định mô hình được chọn; bản tóm tắt không cung cấp chi tiết hiệu chỉnh, kết quả chẩn đoán hay bằng chứng về hiệu suất khi khớp lệnh thực.

Ý chính

• Các quy trình Hawkes có thể mô hình hóa hiện tượng cụm trong các sự kiện đến của sổ lệnh giới hạn.
• Khung phương pháp ghép luồng lệnh ngẫu nhiên với bộ mô phỏng sổ lệnh giới hạn tất định.
• Tính ổn định và tính ergodic được phân tích cho cả mô hình Hawkes tuyến tính lẫn phi tuyến.
• Chẩn đoán đổi thang thời gian và độ phù hợp được dùng để đánh giá các quy trình đã khớp.
• Các kết quả hiệu chỉnh được báo cáo cho thấy động lực dưới ngưỡng tới hạn, gần tới hạn giúp tái tạo hiện tượng cụm thực tế.

Thẻ

# A Deterministic Limit Order Book Simulator with Hawkes-Driven Order Flow


# A Deterministic Limit Order Book Simulator with Hawkes-Driven Order Flow









We present a reproducible research framework for market microstructure combining a deterministic C++ limit order book (LOB) simulator with stochastic order flow generated by multivariate marked Hawkes processes. The paper derives full stability and ergodicity proofs for both linear and nonlinear Hawkes models, implements time-rescaling and goodness-of-fit diagnostics, and calibrates exponential and power-law kernels on Binance BTCUSDT and LOBSTER AAPL datasets. Empirical results highlight the nearly-unstable subcritical regime as essential for reproducing realistic clustering in order flow. All code, datasets, and configuration files are publicly available at https://github.com/sohaibelkarmi/High-Frequency-Trading-Simulator

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.