利用神经密度估计器与嵌入网络对市场模拟进行深度校准
机器学习
2023-11-28 v2 计算金融
机器学习
摘要
构建包括重现限价订单簿动态在内的金融交易所的逼真模拟器,可以洞察许多反事实情景,例如闪崩、追加保证金或宏观经济前景的变化。近年来,已开发出重现交易所许多特征的基于主体的模型,这些特征由一组典型事实和统计量总结。然而,将模拟器校准到特定交易时段的能力仍然是一个开放挑战。在本工作中,我们通过利用深度学习的最新进展,特别是使用神经密度估计器和嵌入网络,开发了一种新颖的市场模拟器校准方法。我们证明了我们的方法能够正确识别高概率参数集,无论应用于合成数据还是历史数据,且不依赖于手动选择或加权的典型事实集成。
引用
@article{arxiv.2311.11913,
title = {Deep Calibration of Market Simulations using Neural Density Estimators and Embedding Networks},
author = {Namid R. Stillman and Rory Baggott and Justin Lyon and Jianfei Zhang and Dingqiu Zhu and Tao Chen and Perukrishnen Vytelingum},
journal= {arXiv preprint arXiv:2311.11913},
year = {2023}
}
备注
4th ACM International Conference on AI in Finance (ICAIF 2023)