使用基于GRU的检测模型保护散户投资者免受订单簿 spoofing 侵害
统计金融
2021-10-11 v1 人工智能
机器学习
摘要
由于其对市场效率及众多参与金融主体的有害影响,传统市场通过监管来应对市场操纵。由于新的低费用平台和去中心化数字货币等新资产类别的出现,私人散户投资者近期增多,但因缺乏机构专业性和强力监管,脆弱主体数量上升。本文提出一种检测非法活动并警示投资者 spoofing 企图(一种众所周知的市场操纵技术)的方法。我们的框架基于高度可扩展的门控循环单元(GRU)模型,并允许纳入能够解释 spoofing 及潜在其他非法活动的市场变量。该模型在细粒度订单簿数据上进行了测试,所测市场是受 spoofing 影响严重、缺乏监管且拥有大量非机构交易者的市场之一。结果表明,该模型在早期检测情境中表现良好,能够足够早地识别 spoofing 企图以使投资者作出反应。这是构建全面模型以保护各类非监管交易环境中投资者及协助监管者识别非法活动的第一步。
引用
@article{arxiv.2110.03687,
title = {Protecting Retail Investors from Order Book Spoofing using a GRU-based Detection Model},
author = {Jean-Noël Tuccella and Philip Nadler and Ovidiu Şerban},
journal= {arXiv preprint arXiv:2110.03687},
year = {2021}
}