Painting the market: generative diffusion models for financial limit order book simulation and forecasting
针对金融限价订单簿（LOB）模拟中自回归模型长序列误差累积的问题，提出将LOB数据转为结构化图像、用带修复的扩散模型生成未来状态的方法，在LOB-Bench基准上取得当前最优性能。
2025-09-05 q-fin.TR
Time Consistent Dynamic Limit Order Books Calibrated on Options
在一个不完全的金融市场中，时间一致性定价过程（TCPP）的公理，最近推出的，用于分配给任何金融资产的动态限价订单簿，考虑到动态的基础资产和限价订单簿的选择。Kreps-Yan基本定理被推广到这一背景。根据期权的对偶表示，给出了基于期权标定的TCPP的特征。在完全流动性期权的情况下，这些期权可以作为动态对冲的基本资产。从cadlag BMO鞅出发，构造了一类基于期权价格的TCPP。
2008-09-22 math.PR q-fin.TR
"Market making" behaviour in an order book model and its impact on the bid-ask spread
有人建议，标记点过程可能是金融高频数据建模的良好候选者。一类特殊的点过程，霍克斯过程，一直是金融界各种研究的主题。在本文中，我们建议加强基本的零智能订单簿模拟器的到达时间限制和市价订单以下相互（不对称）令人兴奋的霍克斯过程。建模是基于我们在几个市场（股票，债券期货，指数期货）上验证的订单之间的时间间隔的经验观察。我们表明，这个简单的功能，使一个更现实的治疗的买卖价差的模拟订单簿。
2010-06-04 q-fin.TR
Financial Knudsen number: breakdown of continuous price dynamics and asymmetric buy and sell structures confirmed by high precision order book information
我们概括的动态描述的订单簿的金融市场的布朗粒子嵌入在流体中的传入，退出和湮灭粒子，提出一个模型的速度在每一边（买和卖）独立。改进的模型建立在内层时间平均粒子数及其单位时间变化的基础上，内层由价格速度与粒子数变化（限价订单）之间的相关性揭示.这使我们能够引入金融布朗粒子运动的克努森数及其不对称版本（在买方和卖方）。不对称的努森数在金融中是至关重要的，以检测不对称的价格变化。克努森数使我们能够证明市场动态被连续随机过程正确描述的条件。直到现在还没有质疑的大型流动性市场，如美元/日元和欧元/美元汇率，我们表明，有制度时，克努森数是如此之高，离散粒子效应占主导地位，如在市场压力和崩溃。我们的文件存在的不平衡的颗粒消耗率的买卖双方，与高克努森数和暴力的方向性价格变化。该指标可以在早期阶段检测价格运动的方向，而通常的波动风险度量对价格方向是盲目的。
2015-08-25 q-fin.TR
Extending Deep Learning Models for Limit Order Books to Quantile Regression
我们展示了如何分位数回归（QR）可以应用于预测财务回报使用限价订单簿（LOB），规范的数据源的高频金融时间序列。我们开发了一个深度学习架构，可以同时对买入和卖出头寸的收益分位数进行建模。我们在伦敦证券交易所的多个不同工具上测试了数百万次LOB更新。我们的研究结果表明，所提出的网络不仅提供了优异的性能，但也提供了改进的预测鲁棒性相结合的分位数估计。
2019-06-11 q-fin.TR
An Empirical Analysis on Financial Markets: Insights from the Application of Statistical Physics
本研究受统计物理学启发，提出利用三级订单簿数据、引入“主动深度”概念的物理模型，通过类比订单与物理粒子构建动能和动量度量，在波动率和收益预测上优于传统及机器学习基准，为市场微观结构研究提供新视角。
2024-06-25 q-fin.CP q-fin.MF q-fin.PR
A multilayer approach for price dynamics in financial markets
我们引入了一个新的自组织临界性（SOC）模型来模拟人工金融市场中的价格演化，基于多层交易者网络。该模型还实现了，在一个相当现实的方式与以前的研究，订单簿动态，通过考虑两个资产的可变基本价格。在归一化收益率的概率分布的厚尾观察，以及其他功能的真实金融市场。
2016-06-29 physics.soc-ph q-fin.TR
Accelerating Machine Learning Training Time for Limit Order Book Prediction
University of Iowa（爱荷华大学）
金融公司对模拟感兴趣，以发现涉及金融机器学习的给定算法是否会盈利。虽然研究人员最近发表了这种类型算法的许多版本，但由于高频市场数据的可解释性和可用性，本文的重点是特定的机器学习训练项目。对于这项任务，硬件加速有望加快金融机器学习研究人员获得结果所需的时间。由于大部分时间可以花在分类器训练上，因此人们对更快的训练步骤感兴趣。一个已发布的限价订单簿算法预测股票市场的方向是我们的主题，机器学习的训练过程可能是时间密集型的，特别是考虑到模型开发的迭代性质。为了解决这个问题，我们在数据中心部署了NVIDIA生产的图形处理单元（GPU），该计算机架构适合并行高速算术运算。在所研究的配置中，这导致了显著更快的训练时间，从而允许更有效和更广泛的模型开发。
2022-06-17 cs.LG q-fin.TR
Deep Learning can Replicate Adaptive Traders in a Limit-Order-Book Financial Market
我们报告了使用深度学习神经网络（DLNN）纯粹通过观察来学习电子市场中有利可图的交易者的行为的成功结果，该电子市场紧密模仿在现实世界的全球股票（股票和股票），货币，债券，商品和衍生品金融市场中常见的限价订单簿（LOB）市场机制。成功的真人交易者和先进的自动化算法交易系统从经验中学习，并随着市场条件的变化而适应;我们的DLNN学习复制这种自适应交易行为。我们的工作的一个新颖的方面是，我们不涉及传统的方法，试图预测时间序列的价格的可交易证券。相反，我们收集大量的训练数据，方法是只观察市场上成功的销售交易员发出的报价、交易员正在执行的订单的细节以及交易员活跃期间LOB上可用的数据（通常由集中式交易所提供）。在本文中，我们证明了适当配置的DLNN可以学习复制成功的自适应自动交易者的交易行为，这是一种先前证明优于人类交易者的算法系统。我们还证明了DLNN可以学习更好地执行（即，更有利可图）比提供训练数据的交易者。我们相信，这是有史以来第一次证明DLNN可以成功地复制一个类似人类或超人的自适应交易员，在现实世界的金融市场中进行逼真的模拟。我们的研究结果可以被认为是概念验证，即DLNN原则上可以观察人类交易员在真实金融市场中的行为，并随着时间的推移学会与人类交易员一样进行交易，甚至可能更好。
2018-11-07 cs.CE q-fin.TR
TradingGPT: Multi-Agent System with Layered Memory and Distinct Characters for Enhanced Financial Trading Performance
本文提出TradingGPT多智能体框架，通过分层记忆、自定义衰减机制、智能体间辩论及个性化交易特征，提升金融交易决策的准确性与稳健性。
2023-09-07 q-fin.PM q-fin.TR
Market Liquidity and Convexity of Order Book (Evidence From China)
市场流动性是金融市场的生命力所在，在市场微观结构中起着至关重要的作用。本文使用一个称为凸度的变量来衡量订单簿提供的潜在流动性。基于2011年上证证券交易所50指数各成分股的高频数据，本文揭示了凸性的若干统计特性，并分析了凸性与其他重要变量（买入/卖出深度、价差、波动率、收益率）之间的关系。
2012-11-09 q-fin.TR
Decentralized Prediction Markets and Sports Books
本文提出基于AMM的去中心化预测市场框架，构建满足金融属性的流动性结构，分析流动性存取影响，并设计补偿流动性提供者的交易费用机制。
2025-01-08 q-fin.MF q-fin.TR
Order book regulatory impact on stock market quality: a multi-agent reinforcement learning perspective
最近的技术发展改变了股票市场运作的基本方式，使监管机构能够评估这些发展的好处。与此同时，正在进行的机器学习革命及其在交易中的多种应用现在可以用来设计下一代金融模型，从而以新的方式探索金融股票市场的系统复杂性。我们在这里遵循以前的基础工作，在那里我们设计和校准了一个新的基于代理的模型股票市场模拟器，每个代理自主学习交易强化学习。在本文中，我们现在从监管者的角度研究这个模型的预测。特别是，我们专注于市场质量是如何影响较小的订单簿最小价格变动单位，越来越大的元订单，更高的交易频率，分别。在我们的模型假设下，我们发现市场质量受益于后者，而不是从其他两个趋势。
2023-02-08 q-fin.CP q-fin.PR q-fin.TR
How Robust are Limit Order Book Representations under Data Perturbation?
J.P. Morgan AI Research（摩根大通人工智能研究院）；Imperial College London（伦敦帝国理工学院）
机器学习模型在金融领域的成功高度依赖于数据表示的质量。在本文中，我们专注于限价订单簿数据的表示，并讨论了学习这种数据表示的机会和挑战。我们还通过实验分析了与现有表示相关的问题，并为这一领域的未来研究提出了指导方针。
2021-10-10 cs.LG q-fin.TR
BSE: A Minimal Simulation of a Limit-Order-Book Stock Exchange
本文介绍了布里斯托尔证券交易所（BSE）的设计，实施和成功使用，一种新颖的最小的模拟集中的金融市场，基于限价订单簿（LOB），如常见的主要证券交易所。BSE的建设是由世界上大多数主要金融市场已经自动化的事实推动的，以前由人类交易员负责的交易活动现在由高速自主的自动交易系统执行。旨在了解这种新型金融市场动态的研究受到了一个事实的阻碍，即没有一个可操作的现实世界交易所可能允许在开放和实时运行的情况下对该市场进行实验性探索，这迫使研究人员主要从过去交易数据的时间序列中进行研究。同样，能够创建下一代自动交易系统的工程师的大学教育要求他们在足够现实的教学环境中拥有实践学习经验。这里描述的BSE解决了这两个需求：自2012年以来，它已成功用于英国一所领先大学的教学和研究，BSE程序代码在GitHuB上以开源形式免费提供。
2018-09-17 cs.CE cs.MA q-fin.TR
Detecting Financial Market Manipulation with Statistical Physics Tools
本文借鉴统计物理学，将订单簿动态建模为粒子运动并提出动量测度，以检测幌骗与分层操纵，且在 LUNA、Bitcoin 市场中优于 Z-score 方法。
2023-08-16 q-fin.CP q-fin.GN q-fin.TR
Limit Order Books
限价订单簿（LOB）在全球超过一半的金融市场中匹配买家和卖家。这项调查突出了从大量的LOB经验和理论研究中得出的见解。我们研究了历史LOB数据的统计分析报告的结果，并讨论了几个LOB模型如何提供洞察机制的某些方面。我们还说明，许多这样的模型不太像真正的LOB和几个行之有效的经验事实还没有得到满意的再现。最后，我们确定了几个关键的LOB未解决的问题。
2013-04-01 physics.data-an q-fin.GN q-fin.ST
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
University of Oxford（牛津大学）；Oxford-Man Institute of Quantitative Finance（牛津-曼量化金融研究院）；Alan Turing Institute（艾伦·图灵研究所）；Man Group（英仕曼集团）；Foerster Lab for AI Research（福斯特人工智能研究实验室）
本文提出首个端到端自回归生成模型，通过深度状态空间网络生成令牌化限价订单簿消息，实现高频订单流建模，并验证了其分布近似与条件预测性能。
2023-08-23 cs.AI cs.LG q-fin.CP
Quasi-Centralized Limit Order Books
准集中式限价订单簿（QCLOB）是一种限价订单簿（LOB），金融机构只能在其中获得由其拥有足够双边信贷的交易对手提供的交易机会。我们对一个大型电子交易平台最近的高质量数据集进行了实证分析，该平台利用QCLOB来促进交易。我们发现我们的结果与其他LOB广泛报道的结果之间存在许多显着差异。我们还发现了一个显著的经验普适性：尽管描述订单流和市场状态的分布在不同的日子里变化很大，但一个简单的线性重新缩放会导致它们崩溃到一条曲线上。基于这一发现，我们提出了一个半参数模型的订单流和市场状态的QCLOB在一个交易日。我们的模型提供了类似的性能参数曲线拟合技术，同时更简单的计算和更快的实现。
2016-10-09 nlin.AO physics.data-an physics.soc-ph
The tick-by-tick dynamical consistency of price impact in limit order books
经常在金融文献中使用的恒定价格影响函数，被证明会产生自相矛盾的结果，因为它们不允许适当的可预测性去除：例如，利用一个单一的大型交易，其规模和执行时间是事先知道的一些内部人士离开套利机会不变，这使得套利剥削多次。我们认为不应该存在链式套利剥削，这提供了一个相反的一致性准则。值得注意的是，巴黎证券交易所调查的所有股票都具有动态一致的价格影响函数。买卖价差和连续的同侧市场订单对订单簿两侧的反馈对于确保在最小时间尺度上的一致性至关重要。
2010-01-27 cond-mat.stat-mech physics.soc-ph q-fin.TR
Investigating Limit Order Book Characteristics for Short Term Price Prediction: a Machine Learning Approach
University of Toronto（多伦多大学）；Department of Computer Science（计算机科学系）
随着算法高频交易在金融市场的普及，限价订单簿引起了越来越多的研究兴趣。研究仍处于早期阶段，有很多我们不了解的动态限价订单簿。在本文中，我们采用机器学习的方法来研究限价订单簿的功能和他们的潜力，以预测短期的价格走势。这是一个初步的基础广泛的调查，结果在一些新的观察LOB动力学，并确定了几个有前途的方向进一步研究。此外，我们得到的预测结果是显着优于基线预测。
2018-12-20 cs.LG q-fin.TR
Neural Stochastic Agent-Based Limit Order Book Simulation: A Hybrid Methodology
现代金融交易所使用电子限价订单簿（LOB）来存储特定金融资产的买入和卖出订单。作为描述资产需求和供应的最细粒度信息，LOB数据对于了解市场动态至关重要。因此，现实的LOB模拟提供了一个有价值的方法来解释市场的经验性质。主流的仿真模型包括基于主体的模型（ABM）和随机模型（SM）。然而，ABM往往不基于真实的历史数据，而SM往往不支持动态代理交互。为了克服这些限制，我们提出了一种新的混合LOB模拟范式，其特征在于：（1）通过神经点过程模型对历史LOB数据进行预训练的神经随机背景交易者表示市场事件逻辑的聚合;以及（2）将背景交易者嵌入到与其他交易代理的多代理模拟中。我们实例化这个混合NS-ABM模型使用ABIDES平台。我们首先孤立地运行后台交易员，并表明模拟的LOB可以重新创建一个全面的风格化事实列表，展示现实的市场行为。然后，我们介绍了人口的“趋势”和“价值”的交易代理，与后台交易者互动。我们表明，风格化的事实仍然存在，我们证明了订单流的影响和金融羊群行为，根据实际市场的经验观察。
2023-02-28 cs.CE cs.MA cs.NE
Applications of physical methods in high-frequency futures markets
在目前的工作中，我们展示了不同的物理方法的应用，高频或滴答滴答的金融时间序列数据。特别是，我们计算的赫斯特指数和逆统计的价格时间序列从一系列的期货指数。此外，我们表明，在一个限价订单簿的松弛时间的不平衡的图书状态与更多的需求或供应可以描述的拉伸指数法律类似于那些在许多物理系统。
2007-12-18 physics.data-an physics.soc-ph q-fin.TR
General Compound Hawkes Processes for Mid-Price Prediction
高频率的金融数据具有一定程度的随机性，这是不可避免的，并使建模任务变得模糊。这一想法反映在许多金融资产的限价订单账簿数据的日内演变中，并提出了使用随机模型的几个理由。例如，到达时间间隔的任意分布和连续图书事件之间的后续依赖结构。这导致了许多随机模型的动态限价订单簿的发展。在本文中，我们期待着检查一个家庭的这种模式，一般复合霍克斯过程（GCHP）模型，新的数据和新的任务的适应性。本文的主要贡献在于进一步研究了限价订单簿中中间价的预测问题以及这些随机模型的实际应用。为此，我们研究使用GCHP预测期货和股票数据的方向和波动性，并讨论可能的扩展模型，以帮助提高其预测能力。
2021-10-13 q-fin.TR
Analysis of a decision model in the context of equilibrium pricing and order book pricing
基于主体的金融市场模型必须包含两个方面：决策和价格形成。我们介绍了一个简单的决策模型，并考虑其在两个不同的定价方案的影响。首先，我们研究了它的参数依赖的供求平衡设置。我们发现现实的行为在很宽的参数范围内。其次，我们将决策模型嵌入到订单簿设置中。在这里，我们观察到有趣的特点，不存在于均衡定价计划。特别是，我们发现了一个非平凡的行为的订单簿量，提醒的趋势切换现象。因此，决策模型本身并不能真实地代表交易和程式化的事实。订单簿机制至关重要。
2014-04-29 q-fin.TR
Optimal trade execution in an order book model with stochastic liquidity parameters
研究了具有随机流动性的金融市场中的最优交易执行问题。为此，我们建立了一个限价订单簿模型，其中订单簿深度和弹性随时间随机演变。允许在两个方向和离散的时间点进行交易。我们得到一个明确的递归，在一定的结构假设下，最小的执行成本的特点。我们还讨论了几个定性方面的最佳策略，如存在有利可图的往返或关闭的立场，在一次去，并比较我们的研究结果与文献。
2021-04-15 math.OC math.PR q-fin.TR
Stochastic Price Dynamics Implied By the Limit Order Book
本文通过研究限价订单簿中包含的信息，提出了一种新的方法来确定金融数据中的厚尾。在订单驱动市场中，买方和卖方可以提交限价订单，当价格分别触及预先指定的较低或较高的限价时，执行限价订单。我们表明，在均衡，所有这些订单的集合-限价订单簿-意味着波动率的微笑，类似于观察期权定价的布莱克-斯科尔斯模型。我们还展示了如何跳扩散过程可以明确推断占波动率微笑。
2011-05-24 q-fin.ST q-fin.TR
A continuous and efficient fundamental price on the discrete order book grid
本文通过将Madhavan、Richardson和Roomans（1997）的价格形成模型应用于具有报价离散化和流动性回扣的实际订单簿，建立了金融市场中的流动性供给模型。我们假设流动性提供者观察到一个连续的、有效的基本价格，并且可以假设最佳报价所跨越的区间之外的价值。我们证实了我们的价格形成模型的预测与广泛的实证检验大型高频数据集的100个流动纳斯达克股票。最后，我们使用该模型提出了一个估计的基础上的折扣调整量不平衡的最佳报价，我们的经验表明，它优于其他简单的估计。
2016-08-05 q-fin.ST q-fin.TR
Optimal trade execution and price manipulation in order books with time-varying liquidity
在金融市场中，流动性并非长期不变，而是呈现出强烈的季节性模式。在这篇文章中，我们考虑一个限价订单簿模型，允许时间依赖的，确定性的深度和弹性的书，并确定最佳的组合清算策略。在第一模型变体中，我们提出了当市价订单与订单簿匹配时增加的交易相关价差。在这个模型中，没有价格操纵发生，最优策略是奇异控制问题中经常遇到的等待区-购买区类型。在第二个模型中，我们假设在订单簿中没有价差。在这个假设下，我们发现价格操纵可能发生，这取决于模型参数。即使没有经典的价格操纵，也可能存在交易引发的价格操纵。在特定的情况下，我们可以用封闭的形式陈述最优策略。
2011-09-12 math.OC q-fin.TR
Ergodicity and diffusivity of Markovian order book models: a general framework
我们提出了一个一般的马尔可夫框架的订单簿建模。通过我们的方法，我们的目标是提供一种工具，使人们能够更好地了解价格形成过程和金融资产的微观和宏观特征之间的联系。为此，我们提出了一种新的订单簿表示方法，并将订单簿建模问题分解为两个子问题：具有固定参考价格的连续时间双向拍卖系统的动态;双向拍卖系统与参考价格运动之间的相互作用。我们的框架中包含了状态依赖，允许订单流强度依赖于订单簿状态。此外，与大多数现有模型相反，订单簿更新对参考价格动态的影响并不是假设为瞬时的。我们首先证明，在一般假设下，我们的系统是遍历的。然后，我们推出的布朗运动的重新标度的价格过程的收敛。
2015-05-19 q-fin.ST q-fin.TR
Exact solution to two-body financial dealer model: revisited from the viewpoint of kinetic theory
两体随机经销商模型重新提供一个精确的解决方案，平均订单簿档案使用动力学方法。交易商模型是一种微观金融模型，个体交易者随机决定限价指令价格，然后达成交易协议。在文献中，这个模型解决了几种情况：两体交易者$N=2$的精确解和多个交易者$N\gg 1$的平均场解。值得注意的是，虽然动力学理论在$N\gg 1$的平均场分析中起着重要作用，但对于$N=2$的情况，它的作用仍然难以捉摸。在本文中，我们重新审视两体经销商模型$N=2$，以澄清动力学理论的效用。我们首先用几种方法导出了两体经销商模型的精确主-刘维尔方程。接下来，我们从概率流的观点来说明主刘维尔方程的物理图像。然后精确求解主刘维尔方程，得到订单分布和平均交易间隔。此外，我们引入了一个广义的两体经销商模型，通过将交易者之间的相互作用，通过市场中间价和精确地解决动力学框架内的模型。最后，我们通过数值模拟证实了我们的精确解。通过发展较好的数学直觉，为经济物理模型提供了系统的数学基础。
2022-05-31 cond-mat.stat-mech physics.soc-ph q-fin.TR
How does latent liquidity get revealed in the limit order book?
潜在订单簿模型使我们对金融市场价格形成的理解取得了重大进展。特别是他们能够重现一些程式化的事实，如平方根影响定律。一个重要的问题是，如果要使这种模型更接近真实的市场数据，那就是潜在的（不可观察的）订单簿和真实的（可观察的）订单簿之间的联系。在这里，我们提出了一个简单的，一致的机制，潜在的流动性，允许定量估计潜在的订单簿从真实的市场数据的启示。我们成功地将我们的结果与超过100种资产的真实订单簿数据进行了对比，并讨论了市场稳定性。我们的一个重要理论结果是存在一个市场不稳定阈值，在这个阈值下，潜在订单的转换变得太慢，从而引发流动性危机。最后，我们计算的价格影响的元订单在不同的参数制度。
2018-11-14 cond-mat.stat-mech q-fin.TR
Càdlàg semimartingale strategies for optimal trade execution in stochastic order book models
本文研究了具有随机流动性的金融市场中的最优交易执行问题。为此，我们建立了一个连续时间的限价订单簿模型。订单深度和弹性都可以随时间随机演变。我们允许双向交易，并允许càdlàg半鞅作为执行策略。我们推导出一个二次Becoms，在适当的假设下，最小的执行成本的特点，并确定条件下，存在一个最佳的执行策略。我们还研究了最优策略的定性方面，例如，无限变化的策略的出现或大宗交易的存在，并讨论与问题的离散时间公式的连接。我们的研究结果在几个例子中得到说明。
2021-07-26 math.OC math.PR q-fin.TR
Analyzing order flows in limit order books with ratios of Cox-type intensities
本文引入了一个描述限价订单簿中订单流相对强度的Cox型模型。该模型假设所有强度共享一个共同的基线强度，该基线强度可以例如代表全球市场活动。参数可以通过准似然最大化来估计，而不受基线强度的任何干扰。在几种框架下给出了估计量的相合性和渐近性，并讨论了模型选择的信息准则和惩罚。该模型非常适合高频金融数据：拟合模型使用易于解释的协变量显示出与经验数据的良好一致性。因此，对报价数据的广泛调查有助于识别交易信号和决定限价订单簿动态的重要因素。我们还说明了潜在的使用的框架外的样本预测。
2019-08-22 q-fin.ST q-fin.TR
Optimal inventory management and order book modeling
我们的行为模型的三个代理类动态地在一个金融资产的限价订单簿。也就是说，我们考虑做市商（MM），高频交易（HFT）公司和机构经纪人（IB）。给定订单簿的先验动态，类似于在交易-反应模型[14，20，21]中考虑的动态，MM和HFT通过优化终端财富的期望效用来定义其交易策略，而IB具有出售或购买所考虑资产的许多股份的预定任务。我们推导出变分偏微分方程，其特征值函数的MM和HFT，并解释如何几乎最优控制可以推导出。然后，我们通过模拟一个订单簿的动态，提供了这些不同市场参与者之间可能发生的相互作用的第一个例证，在这个订单簿中，每个参与者都采取自己的（最优）策略。
2018-11-09 math.PR q-fin.TR
The LOB Recreation Model: Predicting the Limit Order Book from TAQ History Using an Ordinary Differential Equation Recurrent Neural Network
在订单驱动的金融市场中，金融资产的价格是通过发布到公共限价订单簿（LOB）的订单（以特定价格买入或卖出的请求）的交互来发现的。因此，LOB数据对于建模市场动态非常有价值。然而，LOB数据不能自由获取，这对希望利用这些信息的市场参与者和研究人员构成了挑战。幸运的是，交易和报价（TAQ）数据-到达LOB顶部的订单，以及在市场中执行的交易-更容易获得。在本文中，我们提出了LOB重建模型，这是从深度学习的角度首次尝试仅使用TAQ数据重建小股票LOB的前五个价格水平。通过组合来自以下各项的输出来预测位于LOB深处的订单的数量：（1）历史编译器，其使用门控递归单元（GRU）模块来选择性地编译预测相关报价历史;（2）市场事件模拟器，其使用常微分方程递归神经网络（ODE-RNN）来模拟净订单到达的累积;以及（3）自适应地组合由（1）和（2）生成的预测的加权方案。通过迁移学习的范例，可以对在一只股票上训练的源模型进行微调，以使其能够应用于同一类别的其他金融资产，而对额外数据的需求要低得多。在两个真实的日内LOB数据集上进行的综合实验表明，所提出的模型可以有效地重建LOB与高精度仅使用TAQ数据作为输入。
2021-03-02 cs.CE cs.NE q-fin.ST
A limit order book model for latency arbitrage
我们考虑一个单一的证券市场，基于一个限价订单簿和两个投资者，具有不同的交易执行速度。如果快速投资者可以领先于慢投资者，我们表明，这使得快速交易者获得无风险利润，但这些利润不能被缩放。我们得出的快速交易者的最佳行为时，她只有分布知识的慢交易者的行动，很少限制可能的先验分布。我们还考虑了较慢的交易者对市场中快速交易者的反应，以及引入“托宾税”对金融交易的影响。我们表明，这种税可以导致消除利润从前面运行的战略。因此，托宾税既能提高市场有效性，又能吸引交易者进入市场。
2011-10-21 q-fin.TR
A stochastic partial differential equation model for limit order book dynamics
我们提出了一个易于分析的一类模型的动态限价订单簿，描述通过随机偏微分方程（SPDE）与乘性噪声的订单簿集中在中间价格，随着随机动态的中间价格是一致的订单流动态。我们提供的条件下，该模型承认有限维实现驱动的（低维）马尔可夫过程，导致有效的估计和计算方法。在这门课中，我们研究了两个简约模型的例子：一个两因子模型和一个具有均值回复订单簿深度的模型。对于每个模型，我们详细分析了不同参数的作用，动态的价格，订单簿深度，交易量和订单失衡，提供了一个直观的金融解释所涉及的变量，并显示该模型如何再现统计特性的价格变化，市场深度和订单流在限价订单市场。
2021-05-17 math.PR q-fin.CP q-fin.TR
Directional Liquidity and Geometric Shear in Pregeometric Order Books
The Quantum Computer Company（量子计算机公司）；Center for Theoretical and Computational Physics（理论与计算物理中心）
该研究提出了一种预几何订单簿的几何框架，通过关系自由度的减少和低维谱投影，揭示流动性、供应和需求作为涌现可观测量的特性，并通过实证分析验证了其在金融市场的有效性。
2026-01-27 physics.soc-ph q-fin.TR
Simulating and analyzing order book data: The queue-reactive model
通过对超高频订单簿更新数据集的分析，提出了一个模型，该模型既包含了完整订单簿的经验性质，又包含了低频金融数据的程式化事实。为此，我们将感兴趣的时间区间划分为几个时段，在这些时段中，精心选择的参考价格（通常是中间价）保持不变。在这些时间段内，我们把限价订单簿看作一个马尔可夫排队系统。实际上，我们假设订单流的强度仅取决于订单簿的当前状态。我们建立了这个模型的极限行为，并估计其参数从市场数据。然后，为了设计一个相关的模型，为整个期间的利益，我们使用的随机机制，允许开关从一个时期的恒定参考价格到另一个。除了能够准确地再现市场数据的行为，我们表明，我们的框架可以是非常有用的从业者，特别是作为一个市场模拟器或复杂的交易算法的交易成本分析的工具。
2014-09-03 q-fin.ST q-fin.TR
Empirical analysis in limit order book modeling for Nikkei 225 Stocks with Cox-type intensities
本文在Muni Toke and Yoshida（2020）的分析基础上，使用高频金融数据进行了实证研究。Muni Toke和Yoshida（2020）证明了限价订单簿中订单相对强度的Cox型模型估计量的一致性和渐近性，然后使用巴黎证券交易所交易的36只股票的高频交易数据，进行了模型选择和交易信号预测。在本研究中，我们添加新的协变量，并进行模型选择和交易信号预测使用的高频交易数据，在东京证券交易所交易的222只股票。我们不仅表明，考克斯型模型在日本市场以及在巴黎泛欧交易所市场表现良好，但也提出了更准确的估计的关键因素。我们还建议多久校准一次协变量。
2023-02-16 q-fin.TR
Sequence Classification of the Limit Order Book using Recurrent Neural Networks
递归神经网络（RNN）是非常适合预测和序列分类的人工神经网络（ANN）类型。它们已广泛应用于预测单变量金融时间序列，但之前尚未考虑过它们在高频交易中的应用。本文解决了一个序列分类问题，其中一个短序列的观察限价订单簿深度和市价订单是用来预测下一个事件的价格翻转。根据这一预测调整报价的能力降低了逆向价格选择的可能性。我们的研究结果证明了RNN捕捉近期价格翻转和限价订单簿的时空表示之间的非线性关系的能力。RNN与其他分类器相比，包括线性卡尔曼滤波器，使用2016年8月的标准普尔500 E-mini期货II级数据。进一步的结果评估了每天重新训练RNN的效果以及性能对交易延迟的敏感性。
2017-07-14 q-fin.TR
From asymptotic properties of general point processes to the ranking of financial agents
我们提出了一个一般的非线性订单簿模型，是建立从代理的个人行为。我们的框架包括马尔可夫和霍克斯为基础的模型。在适当的假设下，我们证明了这类系统的遍历性和扩散性的原始结果。然后，我们提供了封闭形式的公式，为各种数量的利益：静态分布的最佳买入和卖出数量，价差，流动性波动和价格波动。这些公式以市场参与者的单个订单流表示。我们的方法使我们能够为做市商建立一个关于其交易质量的排名方法。
2019-06-12 q-fin.ST q-fin.TR
The statistical significance of multivariate Hawkes processes fitted to limit order book data
霍克斯过程在金融领域有着广泛的应用，因为它能够捕捉金融系统中常见的事件聚集行为。给定一个校准的霍克斯过程，关注的是统计拟合的经验数据，特别是自激和互激效应的准确量化。本文研究了一个具有指数核和分段线性外生性因子的多变量Hawkes过程在从限价订单簿数据中提取的流动性需求和补充事件中的应用。我们考虑一，二，三指数内核，应用各种测试，以确定拟合优度和残差的平稳性，以及稳定的校准过程。与先前的研究一致，发现所有测试的性能随着指数的数量增加而提高，其中三个指数的总和产生与给定的耦合点过程的最佳拟合。
2016-04-15 q-fin.TR
Benchmark Dataset for Mid-Price Forecasting of Limit Order Book Data with Machine Learning Methods
管理高频金融市场中的指标预测是一项具有挑战性的任务。一个有效的方法是通过监测限价订单簿的动态来识别信息边缘。本文介绍了第一个公开可用的基准数据集的高频限价订单市场的中间价预测。我们从NASDAQ Nordic股票市场连续10天的时间段中提取了5只股票的时间序列数据的归一化数据表示，从而产生了总共约4，000，000个时间序列样本的数据集。还提供了一个基于天的锚定交叉验证实验协议，可以用作比较最先进的方法的性能的基准。还提供了基线方法的性能，以便于实验比较。我们期望，这样一个大规模的数据集可以作为一个试验平台，设计新的解决方案的专家系统的高频限制订单簿数据分析。
2020-03-11 cs.CE q-fin.TR
Price formation in financial markets: a game-theoretic perspective
我们提出了两个新的框架来研究在订单簿中协商的资产的价格形成。具体来说，我们开发了一个多人博弈和平均场博弈的博弈论模型，考虑有限的流动性所产生的成本。我们推导出形成的价格的解析公式的实现订单流。我们还确定了适当的条件，确保收敛的价格，我们发现在有限人口的游戏，其平均场对应。我们使用纳斯达克上市的10只股票、巴西B3上市的股票和币安上市的加密货币的高频数据进行了一项大型实验，对我们的结果进行了数值评估。
2022-02-23 q-fin.TR
Looking into informal currency markets as Limit Order Books: impact of market makers
本研究将市场微观结构框架应用于古巴非正式货币市场，利用限价指令簿建模买卖动态，并通过 Avellaneda-Stoikov 模型证明引入做市商能提升市场质量，为政策制定者干预资源受限的非正式市场提供参考。
2025-03-05 q-fin.TR
A queueing theory description of fat-tailed price returns in imperfect financial markets
在金融市场上，对于投资期限较长的代理人或在市场压力严重的时候，往往是资产价格的变化触发交易或投资头寸的变化。这表明使用价格阈值来模拟代理人行为的时间尺度比目前使用的订单模型要长得多。我们表明，许多现象，通常忽略了有效市场理论，可以系统地引入到一个有效的市场，否则，导致模型，鲁棒地复制最重要的程式化的事实。然后，我们证明了这样的阈值模型和排队理论之间的密切联系，对应于一个单服务器队列的繁忙时期的大的价格变化。在对队列参数的各种假设下，繁忙期的分布具有超额峰度和非指数衰减。这一方法可能有助于建立数学模型，研究金融市场的快速去杠杆化和恐慌，以及金融机构的压力测试。
2010-08-01 q-fin.TR
The Impact of Sequential versus Parallel Clearing Mechanisms in Agent-Based Simulations of Artificial Limit Order Book Exchanges
本研究在人工股票市场框架下探究序贯与并行清算机制对多资产价格的影响，发现序贯清算会因资金优先分配给先处理资产而引入价格偏差，凸显了人工市场建模中验证清算机制的重要性。
2025-09-01 cs.DC q-fin.TR
MarketGPT: Developing a Pre-trained transformer (GPT) for Modeling Financial Time Series
本文提出 MarketGPT，一种用于金融时间序列建模的生成式预训练 transformer，可在离散事件模拟中逼真复现限价订单簿动态并捕捉市场典型事实，推动高保真交互式市场模拟发展。
2024-11-25 q-fin.TR
Limit Order Book and its modelling in terms of Gibbs Grand-Canonical Ensemble
在所谓的经济物理学领域，已经有人尝试将热力学和统计力学的理论应用于经济学和金融市场。本文从另一个不同的角度提出了一种类似的方法，试图用巨正则吉布斯模型来模拟给定股票的限价订单簿和价格形成过程。因此，我们可以以一种有意义的方式定义买盘和卖盘集合的温度表达式，这些温度表达式是股票的最高买盘、最低卖盘和收盘价以及股票交易量的函数。它表明，问和出价订单温度之间的差异可以与VAO（体积累积振荡器）指标，经验定义在股票市场的技术分析。此外，由该理论导出的买卖盘分布可以根据真实数据进行定义良好的验证，从而使该模型具有可证伪的特征。
2016-02-27 q-fin.TR
HLOB -- Information Persistence and Structure in Limit Order Books
University College London（伦敦大学学院）；London School of Economics（伦敦政治经济学院）
提出新型大规模深度学习模型HLOB，结合信息过滤网络和同调卷积神经网络预测限价订单簿中间价格变化，在多个NASDAQ数据集上优于9种基线模型，揭示了订单簿信息的空间分布及退化规律。
2024-06-04 cs.LG q-fin.TR
Microscopic understanding of heavy-tailed return distributions in an agent-based model
金融时间序列中收益率的分布呈现厚尾性。在实证研究中，人们发现，订单簿中订单之间的差距会导致价格大幅波动，从而导致这些沉重的尾部。我们建立了一个基于代理的模型来研究这个问题，特别是，如何在订单簿的差距出现。在我们的模型中的交易机制是基于双向拍卖订单簿，这是几乎所有的证券交易所使用。在订单簿上满是限价订单的情况下，我们观察不到厚尾分布。一旦流动性减少，缺口结构就会形成，导致收益率分布具有厚尾。我们表明，如果可用流动性受到限制，具有重尾的收益分布是订单簿效应。这在很大程度上独立于具体的交易策略。
2012-07-12 q-fin.CP q-fin.ST q-fin.TR
Understanding agent-based models of financial markets: a bottom-up approach based on order parameters and phase diagrams
我们描述了一个自下而上的框架，适当的顺序参数和确定的相图的识别的基础上，逐步完善的代理为基础的模型和模拟的金融市场的理解。我们通过一个确定性的玩具模型来说明这个框架，其中$N$独立交易者通过充当清算所的订单簿买卖$M$股票。股票的价格在买入时上涨，在卖出时下跌。在下一笔交易发生之前，订单簿会更新价格变化。在这个确定性模型中，所有交易者的买入决策都基于看涨效用函数，而所有的卖出决策都基于看跌效用函数。然后，我们让一部分$f_b$交易员购买随机股票，或者一部分$f_s$交易员出售他们投资组合中的随机股票，从而使基于代理的模型更加现实。基于我们的模拟，我们发现，这是可能的，以确定有用的订单参数从所有三个模型的稳态价格分布。使用这些订单参数作为指导，我们发现三个阶段：（i）死市场;（ii）繁荣市场;（iii）在确定性模型的相图中的堵塞市场。比较随机模型和确定性模型的相图，我们认识到随机性的主要作用是消除死市场阶段。
2012-02-03 cond-mat.stat-mech q-fin.CP q-fin.TR
