面向大规模数据集的订单簿依赖 Hawkes 过程估计
交易与市场微观结构
2026-05-12 v2 机器学习
摘要
提出了一种用于高频交易中事件到达的点过程。其强度为 Hawkes 过程与源自订单簿的协变量高维函数的乘积。给出了过程平稳性的条件。提出了一种即使存在数十亿数据点（可能将协变量映射至高维空间）也能估计该模型的算法。对于使用多种流动性工具的高频数据应用，大样本量很常见。证明了算法的收敛性，在弱条件下建立了相合性结果，并给出了评估不同模型设定样本外性能的检验统计量。该方法应用于研究在纽约证券交易所（NYSE）交易的四只股票。样本外检验程序表明，捕捉订单簿信息的非线性为高频交易事件的自激特性增添了价值。
引用
@article{arxiv.2307.09077,
title = {Estimation of an Order Book Dependent Hawkes Process for Large Datasets},
author = {Luca Mucciante and Alessio Sancetta},
journal= {arXiv preprint arXiv:2307.09077},
year = {2026}
}