跳至正文
返回文库全部文档

MarketGPT：生成限价订单簿事件与市场模拟

文章 arXiv papers · 作者: Aaron Wheeler et al.
阅读原文

总结

本文提出一种生成式预训练 Transformer，将金融时间序列建模为订单消息序列。该模型在离散事件模拟器中充当订单生成引擎，旨在复现限价订单簿动态并支持交互式市场模拟。它被设计为逐步生成长序列，即使原始订单流提示已移出其上下文窗口后也能继续生成。

报告的评估发现，生成的订单流能够复现观测订单流数据的关键特征，并捕捉若干与真实市场及更广泛宏观尺度数据相关的统计模式。这些结果涉及模拟逼真度，并非已展示的交易策略或盈利执行证据。本文没有提供详细指标、数据集或对照基线，因此从该描述中无法确定逼真程度及其适用场景。该方法被视为迈向高逼真度市场模拟的进展，其实际用途取决于是否能用真实订单簿验证，以及模拟器能否代表评估范围之外的市场状况。

核心观点

  • Transformer 为离散事件模拟器生成金融订单消息序列。
  • 该系统旨在复现限价订单簿动态。
  • 初始提示移出上下文窗口后，系统仍可继续生成订单流。
  • 报告的评估发现，该系统能够捕捉订单流的关键特征和若干市场统计模式。
  • 模拟逼真度本身并不能证明该模型支持盈利交易。

标签

机器学习市场微观结构统计学高频交易
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。