描绘市场：用于金融限价订单簿模拟与预测的生成式扩散模型
交易与市场微观结构
2025-09-08 v1
摘要
模拟限价订单簿 (LOB) 在金融市场数据的预测和回测中具有重要应用。然而，由于数据的高噪声和高复杂性，深度生成模型在此背景下表现不佳。先前的工作使用自回归模型，但这些模型在较长的时间序列上会经历误差累积。我们引入了一种新颖的方法，将 LOB 数据转换为结构化的图像格式，并应用带有修复功能的扩散模型来生成未来的 LOB 状态。该方法利用了订单簿中的时空归纳偏置，并能够并行生成长序列，从而克服了误差累积问题。我们还公开为 LOB-Bench（LOB 生成模型的行业基准）做出贡献，以便在使用 Level-2 和 Level-3 订单簿数据（分别对应无消息级数据或有消息级数据）的模型之间进行公平比较。我们表明，尽管使用较低保真度的数据作为输入，我们的模型在 LOB-Bench 上仍达到了最先进的性能。我们还表明，我们的方法优先考虑连贯的全局结构而非局部的高保真细节，在某些指标上相比现有方法有显著改进。总体而言，我们的方法为未来研究 LOB 建模的生成式扩散方法奠定了坚实的基础。
引用
@article{arxiv.2509.05107,
title = {Painting the market: generative diffusion models for financial limit order book simulation and forecasting},
author = {Alfred Backhouse and Kang Li and Jakob Foerster and Anisoara Calinescu and Stefan Zohren},
journal= {arXiv preprint arXiv:2509.05107},
year = {2025}
}
备注
Submitted to ICAIF