Deep Attentive Survival Analysis in Limit Order Books: Estimating Fill Probabilities with Convolutional-Transformers
针对限价订单簿中被动订单成交概率估计问题，提出基于卷积Transformer编码器与单调神经网络解码器的深度生存分析模型，该模型显著优于现有常用方法，并补充了不同资产订单成交概率的统计分析。
2023-06-08 q-fin.ST
RL-Exec: Impact-Aware Reinforcement Learning for Opportunistic Optimal Liquidation, Outperforms TWAP and a Book-Liquidity VWAP on BTC-USD Replays
Enzo Duflot, Stanislas Robineau
针对BTC-USD限价订单簿固定期限机会型最优清算问题，提出增强内生瞬时影响等因素的PPO智能体RL-Exec，在严格时间划分测试中显著优于TWAP和基于订单簿流动性的VWAP，且执行时间越长优势越明显。
2025-10-30 cs.LG q-fin.ST 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
Battery valuation on electricity intraday markets with liquidity costs
本文提出一个完整的建模框架，结合中间价随机模型与流动性成本确定性模型，基于动态规划对电力日内市场中的多个电池进行估值，回测证明考虑流动性与随机中间价能显著提升利润并避免高额损失。
2024-12-20 q-fin.ST q-fin.TR
Determinants of immediate price impacts at the trade level in an emerging order-driven market
常识认为，一般来说，大宗交易会导致价格大幅变动，而小额交易则会导致价格小幅变动。然而，对于非常大的价格变化，交易规模和消息发挥次要作用，而流动性（特别是限价订单簿上的价格差距）是一个更大的影响因素。因此，可能有其他因素影响贸易的即时价格影响。本文通过对任意交易量的交易前后价格变化的力学分析，发现交易量、买卖价差、价差和限价订单簿买卖双方的未平仓量对价格变化有影响。我们提出了两个回归模型来研究这些微观因素对买方发起的部分填充交易、卖方发起的部分填充交易、买方发起的填充交易和卖方发起的填充交易的价格影响。我们发现，他们有定量相似的解释能力，这些因素可以解释高达44%的价格影响。交易规模大、买卖价差大、同侧流动性高而对侧流动性低会对价格产生较大的影响。我们还发现，相对于同侧流动性的影响，对侧流动性的影响更大。我们的研究结果揭示了直接价格影响的决定因素。
2012-01-26 q-fin.ST q-fin.TR
Stylized facts of price gaps in limit order books: Evidence from Chinese stocks
价差定义为限价订单簿（LOB）同一侧前两个被占用价格水平之间的对数价差，是市场深度的关键决定因素，市场深度是流动性的一个维度。然而，价格差距的属性还没有得到彻底的研究，由于可用的频率数据较少。本文利用2003年深圳证券交易所上市的26只A股股票的订单流数据，对LOB动态进行了重构。三个关键的实证统计性质的价格差距进行了研究。我们发现，价格差距的分布有一个幂律尾所有股票的平均尾部指数接近3.2。应用现代统计方法，证实了林隙时间序列具有长程相关性和多重分形性质。这三个特征因股票而异，并不具有普遍性。此外，我们还揭示了个股LOB买卖双方价差特性中的买卖不对称现象。这些发现加深了我们对普通股流动性动态的理解，并可用于校准基于代理的计算金融模型。
2014-05-06 q-fin.ST q-fin.TR
Reduced form modeling of limit order markets
本文提出了一种限价订单市场随机建模的参数方法。该模型是通过在经典的完全流动性市场模型基础上增加一些额外的风险因子来描述订单簿的流动性特性而得到的。由此产生的模型很容易校准和分析使用标准技术的多元随机过程。尽管他们的简单，模型能够捕捉到几个属性，已发现在微观结构分析的限价订单市场。连续时间三因子模型对哥本哈根证券交易所数据的校准表明，流动性的均值回归以及影响其后中间价变动的所谓挤出效应。我们的动态模型也非常适合分析流动性冲击后的市场弹性。
2010-06-23 q-fin.ST q-fin.TR
SMC-ABC methods for the estimation of stochastic simulation models of the limit order book
在本文中，我们考虑类的模型，最近开发的量化金融，涉及建模一个高度复杂的多变量，多属性的随机过程称为限价订单簿（LOB）。LOB是每天在交易发生的世界上每个电子交易所上记录的所有资产的主要数据结构。因此，它代表了从随机过程角度研究的最重要的基本结构之一，如果人们希望描述交易资产的价格，交易量，流动性和其他重要属性的随机动态特征。在本文中，我们的目标是通过模型结构，开发一个随机模型框架的LOB的一个给定的资产，并解释如何执行校准的随机模型，以真实观察到的LOB数据的范围内不同的资产。
2015-04-22 q-fin.CP q-fin.ST stat.CO
An Algebraic Framework for the Modeling of Limit Order Books
本文提出一个基于代数、物理和随机过程的限价订单簿建模框架，利用狄拉克符号和广义生成函数描述状态与动态，并通过Gillespie算法精确仿真市场情景，分析交易者行为对价差、波动率和流动性的影响。
2024-06-07 q-fin.MF q-fin.ST q-fin.TR
From orders to prices: A stochastic description of the limit order book to forecast intraday returns
我们提出了一个微观模型来描述限价订单簿（LOB）中的基本事件的动态：订单到达和取消。它基于单个订单的算子代数，并描述了它们对LOB的影响。模型的输入是从交易者的个人行为中产生的到达率和取消率分布，我们展示了价格和流动性是如何从LOB动态中产生的。在一个模拟研究中，我们说明了模型是如何工作的，并强调其敏感性的假设有关的市场参与者的集体行为。从经验上讲，我们在XETRA的LOB快照上测试了模型，估计了几个线性化模型规格，并进行了样本内和样本外预测。基于同期信息的样本内结果表明，我们的模型很好地描述了回报，导致调整后的$R^2$约为80%。在更现实的设置中，只有过去的信息进入模型，我们观察到调整后的$R^2$约为15%。下一次返回的方向可以预测（样本外），对于10分钟以下的时间范围，准确度超过75%。平均而言，我们得到的RMSPE比文献中记录的值低10倍。
2021-05-04 econ.EM q-fin.MF q-fin.ST
Explainable Patterns in Cryptocurrency Microstructure
University of Warsaw, Faculty of Economic Sciences（华沙大学经济科学学院）
本文研究了加密货币微观结构中的稳定跨资产模式，通过CatBoost模型验证了特征重要性稳定性，并揭示了算法交易的系统性风险。
2026-01-31 q-fin.CP q-fin.ST 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
Modeling First Line Of An Order Book With Multivariate Marked Point Processes
为了描述逐时金融时间序列的波动，我们引入了一个新的模型。我们的模型，基于标记点过程，使我们能够在一个独特的过程中纳入交易的持续时间和相应的订单量。该模型的动机是这样一个事实，即市场的“激励”是不同的时间段与低交易量和高交易量。通过对毫秒级外汇数据采样的数值模拟，说明了我们的结果.通过检验主要的程式化事实，我们表明，该模型是符合经验数据。我们还发现了一个有趣的关系之间的分布有限的订单和数量的市价订单。最后，我们提出了一个应用程序的风险管理，我们介绍了一个预测程序。
2012-11-17 math.ST q-fin.ST q-fin.TR
The Negative Drift of a Limit Order Fill
本文指出了做市模型中低成本随机成交假设与真实市场高成本非随机成交现实的差异，提出并理论证明了限价单成交伴随逆向价格变动而产生的“负漂移”现象，且通过10年期美国国债期货实证模拟予以证实。
2024-07-23 q-fin.MF q-fin.ST q-fin.TR
