面向端到端限价订单簿建模的生成式AI：基于深度状态空间网络的消息流令牌级自回归生成模型
交易与市场微观结构
2023-09-06 v1 人工智能
机器学习
计算金融
摘要
开发金融市场中真实订单流的生成模型是一个具有挑战性的开放问题，对市场参与者有诸多应用。为此，我们提出首个端到端自回归生成模型，生成令牌化的限价订单簿（LOB）消息。这些消息由 Jax-LOB 模拟器解释，以更新 LOB 状态。为高效处理长序列，模型采用简化结构化状态空间层来处理订单簿状态与令牌化消息的序列。利用 NASDAQ 股票 LOB 的 LOBSTER 数据，我们为消息数据开发了自定义分词器，将连续数字组转换为令牌，类似于大语言模型中的分词。样本外结果显示出在逼近数据分布方面的良好性能，低模型困惑度即证明了这一点。此外，由生成订单流计算的中间价收益与数据呈现显著相关性，表明出色的条件预测性能。由于生成数据的粒度及模型的准确性，其为未来工作提供了预测之外的新应用领域，例如在高频金融强化学习应用中作为世界模型。总体而言，我们的结果倡导将模型用于并扩展至自回归大金融模型方向，以生成高频金融数据，并且我们承诺开源代码以促进未来研究。
引用
@article{arxiv.2309.00638,
title = {Generative AI for End-to-End Limit Order Book Modelling: A Token-Level Autoregressive Generative Model of Message Flow Using a Deep State Space Network},
author = {Peer Nagy and Sascha Frey and Silvia Sapora and Kang Li and Anisoara Calinescu and Stefan Zohren and Jakob Foerster},
journal= {arXiv preprint arXiv:2309.00638},
year = {2023}
}