利用可解释概率神经网络学习限价订单簿的虚假挂单能力
交易与市场微观结构
2025-04-23 v1 统计金融
摘要
本文研究针对中心化交易所中限价订单簿的实时欺诈活动检测, 关注加密货币市场. 我们首先基于多尺度 Hawkes 过程引入新的订单流变量, 该变量同时考虑了新限价单在当前最佳价格之外的距离以及单的大小. 使用 Level-3 数据集训练神经网络模型以预测基于这些特征的 mid price 价格变动的条件概率分布. 我们的实证分析突出了限价单挂单距离在价格形成过程中起关键作用的作用, 显示不考虑挂单距离的欺诈检测模型无法充分描述数据. 下文, 我们提出一种基于欺诈代理人概率市场操纵收益的欺诈检测框架, 并使用先前训练的神经网络计算预期收益. 在2024-12-04至2024-12-07的期间运行此算法后, 我们发现大约31%的大额订单可能进行市场操纵. 由于其简单的神经网络结构, 本模型可实时运行. 本工作通过提供用于监控和缓解加密货币交易所及传统金融市场中欺诈的强大工具来增强市场完整性.
引用
@article{arxiv.2504.15908,
title = {Learning the Spoofability of Limit Order Books With Interpretable Probabilistic Neural Networks},
author = {Timothée Fabre and Damien Challet},
journal= {arXiv preprint arXiv:2504.15908},
year = {2025}
}
备注
22 pages