限价订单簿的多期预测：新型深度学习方法与基于智能处理单元的硬件加速
机器学习
2021-08-30 v2 神经与进化计算
交易与市场微观结构
摘要
我们利用深度学习技术为限价订单簿（LOB）数据设计多期预测模型。与进行单一预测的标准结构不同，我们采用带序列到序列与注意力机制的编码器-解码器模型来生成预测路径。我们的方法在短预测期上取得与最先进算法相当的性能。重要的是，借助多期设置，它们在生成长期预测时表现更优。鉴于编码器-解码器模型依赖循环神经网络层，它们通常受限于缓慢的训练过程。为此，我们尝试使用一种新型硬件，即 Graphcore 生产的所谓智能处理单元（IPU）。IPU 专为机器智能工作负载设计，旨在加速计算过程。我们展示，在我们的设置中，与用 GPU 训练模型相比，这带来了显著更快的训练时间。
引用
@article{arxiv.2105.10430,
title = {Multi-Horizon Forecasting for Limit Order Books: Novel Deep Learning Approaches and Hardware Acceleration using Intelligent Processing Units},
author = {Zihao Zhang and Stefan Zohren},
journal= {arXiv preprint arXiv:2105.10430},
year = {2021}
}
备注
18 pages, 7 figures, and 7 tables