Trade arrival dynamics and quote imbalance in a limit order book
我们研究动态的出价和要求队列的限价订单簿和他们的关系与贸易的到来强度。特别地，我们研究了价格变动和交易到达的概率作为限价订单簿顶部报价不平衡的函数。我们提出了一个随机模型，试图捕捉联合动态的顶部的书队列和交易过程中，并描述了一个半分析的方法来计算市场事件的相对概率。我们使用历史市场数据校准模型，并讨论拟合质量和实际应用的结果。
2013-12-02 q-fin.TR
Forecasting of Jump Arrivals in Stock Prices: New Attention-based Network Architecture using Limit Order Book Data
现有文献提供的证据表明，限价订单簿数据可以用来预测短期价格变动的股票市场。本文提出了一种新的神经网络结构，用于预测股票市场中的高频限价订单簿数据的收益跳跃到达。这种新的架构，基于卷积长短期记忆与注意力，被引入到应用时间序列表示学习与记忆，并集中在最重要的功能，以提高性能的预测注意力。该数据集由五只流动性强的美国股票的订单簿数据组成。注意机制的使用使得分析包含限价订单簿数据和其他输入变量的重要性成为可能。通过使用这种机制，我们提供的证据表明，使用的限价订单簿数据被发现，以提高性能的跳跃预测，无论是明确或轻微，取决于标的股票的建议模型。这表明，路径依赖在限价订单簿市场是一个股票特有的功能。此外，我们发现，所提出的方法与注意力机制优于多层感知器网络以及卷积神经网络和长短期记忆模型。
2018-10-25 q-fin.TR
The Short-Term Predictability of Returns in Order Book Markets: a Deep Learning Perspective
该研究从深度学习视角出发，提出订单簿成交量表征，结合模型置信集开展大规模实证分析，证实高频中间价收益可预测性普遍存在，且成交量表征能有效提升深度学习模型性能。
2023-10-08 q-fin.CP q-fin.TR
Deep Reinforcement Learning for Market Making Under a Hawkes Process-Based Limit Order Book Model
University of Zagreb（萨格勒布大学）；Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算学院）
最优做市的随机控制问题是量化金融的核心问题之一。在本文中，基于深度强化学习的控制器进行训练的弱一致，多变量霍克斯过程为基础的限价订单簿模拟器，以获得做市控制。该方法充分利用了蒙特卡罗回测的优点，有助于弱一致限价订单簿模型下做市的研究。随后的深度强化学习控制器与多个做市基准进行了比较，结果表明其在各种风险回报指标方面具有优异的性能，即使在显著的交易成本下也是如此。
2022-07-20 cs.LG q-fin.GN q-fin.TR
From Glosten-Milgrom to the whole limit order book and applications to financial regulation
本研究构建了一个基于代理的订单簿模型，利用Glosten-Milgrom方法推导出整个限价订单簿，为监管机构提供预测最小报价单位变化影响和定量评估限价订单排队位置价值的工具。
2025-03-29 q-fin.TR
Optimal liquidation in a Level-I limit order book for large tick stocks
我们提出一个框架来研究大报价股票的限价订单簿中的最优清算策略，价差等于一个报价。所有订单簿事件（市价订单、限价订单和取消）都根据独立的泊松过程发生，参数取决于价格移动方向。我们的目标是最大化代理人的预期终端财富，该代理人需要在固定的时间范围内清算其头寸。假设代理人只有在价格变动时才进行交易（通过限价订单或/和卖出市价订单），我们将其清算过程建模为一个半马尔可夫决策过程，并使用Laplace方法计算半马尔可夫核。最后用动态规划法求解了最优清算策略，并进行了数值计算。
2017-11-14 q-fin.TR
DeepFolio: Convolutional Neural Networks for Portfolios with Limit Order Book Data
Skoltech（斯科尔科沃科技学院）
这项工作提出了DeepFolio，这是一种基于限价订单簿（LOB）数据的深度投资组合管理新模型。DeepFolio解决了LOB数据预测价格变动的最新技术中发现的问题。我们的评估包括两个场景，使用数百万个时间序列的大型数据集。这些改进在数据丰富和稀缺的情况下都提供了出色的结果。实验表明，DeepFolio在基准FI-2010 LOB上的性能优于最先进的技术。此外，我们使用DeepFolio进行加密资产的最佳投资组合分配，并进行再平衡。为此，我们使用两个损失函数-夏普比率损失和最小波动率风险。我们发现，DeepFolio优于文献中广泛使用的投资组合配置技术。
2020-08-27 cs.LG q-fin.TR stat.AP
Automated Creation of a High-Performing Algorithmic Trader via Deep Learning on Level-2 Limit Order Book Data
我们提出的结果表明，一个适当配置的深度学习神经网络（DLNN）可以自动学习成为一个高性能的算法交易系统，纯粹从被动观察现有的成功交易者T产生的训练数据输入操作。也就是说，我们可以将黑盒DLNN系统指向交易者T，并成功地让它从T的交易活动中学习，这样它的交易至少和T一样好。我们的系统，称为DeepTrader，采用来自二级市场数据的输入，即市场的限价订单簿（LOB）或可交易资产的阶梯。不同寻常的是，DeepTrader没有对未来价格做出明确预测。相反，我们纯粹在输入-输出对上训练它，在每一对中，输入是T向市场发出报价Q（即买入或卖出订单）时拍摄的二级LOB数据的快照S; DeepTrader的期望输出是在显示S时产生Q。也就是说，我们训练我们的DLNN，向它显示T在T发出报价Q时看到的LOB数据S，这样我们的系统就像T一样，充当算法交易者，根据特定的LOB条件发出特定的报价。我们对DeepTrader进行了大量的S/Q快照/报价对训练，然后在各种市场场景中进行测试，并将其与公共领域文献中的其他算法交易系统进行评估，其中包括两个多次被证明优于人类交易员的系统。我们的研究结果表明，DeepTrader可以学习匹配或优于现有的算法交易系统。我们分析了成功的DeepTrader网络，以确定它依赖哪些功能，哪些功能可以忽略。我们提出，我们的方法原则上可以通过“黑盒”深度学习方法创建任意交易者T…
2020-11-29 q-fin.TR
Bridging the Reality Gap in Limit Order Book Simulation
Jump Trading；Université Paris Dauphine-PSL（巴黎第九大学-巴黎文理研究大学）；École Polytechnique（巴黎综合理工学院）
本文提出一个用于大 tick 资产的实用交互式限价订单簿模拟器，通过投影和体积不平衡来构建可处理的表示，实现真实执行、成本和损益的模拟。
2026-03-25 q-fin.TR
Limit Order Book (LOB) shape modeling in presence of heterogeneously informed market participants
限价订单簿的建模与对真实市场参与者行为的假设直接相关。本文件具有双重意义。我们首先提出的实证研究结果奠定了两个改进这些模型的基础，第一个是关注市场参与者，增加了额外的维度知情的做市商，而第二个，也许是更原始的一个，地址之间的比赛在书中知情的交易员和知情的做市商导致不同的形状的订单簿。也就是说，我们建立了一个基于主体的订单簿模型，其中有四种类型的市场参与者：知情交易者，噪声交易者，知情做市商和噪声做市商。我们基于Glosten-Milgrom方法和最新的Huang-Rosenbaum-Saliba方法构建我们的模型。我们引入了一个参数，捕捉知情的流动性交易者和供应商之间的竞争后，一个新的信息的基本价值的资产。然后，我们从代理之间的相互作用中推导出整个“静态”限价订单簿及其特征--即买卖价差和每个级别价格下的成交量--并将其与预先存在的模型进行比较。然后，我们讨论的情况下，噪声交易者对资产的基本价值的影响，并扩展模型，考虑到许多种知情的做市商。
2020-09-06 q-fin.TR
Price predictability in limit order book with deep learning model
本研究探讨使用深度学习模型预测高频价格变化，发现目标价格过程定义不当会使预测失去意义，并指出成交量不平衡能显著改善方向预测性能。
2024-09-21 q-fin.ST q-fin.TR stat.ML
Latency and liquidity provision in a limit order book
我们使用一个最近的，高质量的数据集从纳斯达克执行的订单流在限价订单簿（LOB）的实证分析之前和之后的市价订单的到来。对于我们研究的每一只股票，我们都确定了一系列不同的阶段，在这些阶段中，订单的净流量有很大的不同。我们注意到，我们的一些结果与广泛报道的刺激再充盈现象一致，但另一些则不一致。因此，我们提出了替代的机械和战略动机的行为，我们观察到。基于我们的研究结果，我们认为，战略流动性提供者在决定如何采取行动时，同时考虑了逆向选择和预期等待成本。
2016-06-24 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
Order Flows and Limit Order Book Resiliency on the Meso-Scale
我们研究了由订单执行调度算法驱动的中尺度限价订单簿的行为。为此，我们对来自市价和限价订单提交的订单流进行了实证分析，通过基于交易量的分桶，以及各种LOB深度和形状指标，从逐点数据中汇总。我们证明了贸易不平衡和价格变化之间的非线性关系，然而，通过考虑市场和限价订单流的加权平均值，可以将其转换为线性联系。我们还记录了贸易不平衡和单边限价订单流之间的一种“大棒”依赖关系，突出了LOB的主动和被动侧之间的许多不对称效应。为了解决价格形成，账面弹性和稀缺的流动性的现象学特征，我们应用各种统计模型来测试不同的预测因子的预测能力。我们表明，在中尺度上的限价订单流（以及相对添加/取消率）进行最预测的权力。另一个发现是，更深的LOB形状，而不仅仅是账面不平衡，在这个时间尺度上更相关。实证结果是基于对纳斯达克六个大报价资产的分析。
2017-08-09 q-fin.TR
One-level limit order book models with memory and variable spread
我们提出了一个新的模型，一个限价订单簿（LOB）的第一级，它包含了有关的长期订单在书的另一边的信息后，每次价格变化和新订单的到来在价差。我们的主要结果给出了一个扩散近似的中间价格过程。为了说明所考虑的框架的适用性，我们还提出了一种可行的方法来计算几个感兴趣的量，例如价格变化之间的时间跨度的分布和以图书的当前状态为条件的连续价格增量的概率。所提出的方法是用来开发一个有效的模拟计划的价格动态，然后应用于评估数值扩散近似的准确性。
2016-03-13 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
Asynchronous Deep Double Duelling Q-Learning for Trading-Signal Execution in Limit Order Book Markets
Oxford-Man Institute of Quantitative Finance（牛津-曼氏量化金融研究所）；University of Oxford（牛津大学）
本文基于 ABIDES 与 OpenAI gym 构建纳斯达克限价订单簿环境，采用 APEX 架构的 Deep Duelling Double Q-learning 训练交易智能体，证明其在合成 alpha 信号下优于启发式基准。
2023-09-25 cs.LG q-fin.TR
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
Dynamics of Order Positions and Related Queues in a Limit Order Book
订单头寸是算法交易中的关键变量。研究了限价订单簿中订单位置和相关队列的极限行为。除了过程的流体和扩散限制之外，还分析了订单位置和相关队列围绕其流体限制的波动。作为推论，推导出了限价订单簿中各种利益量的显式解析表达式。
2015-10-13 q-fin.MF q-fin.TR
Market Making under a Weakly Consistent Limit Order Book Model
我们开发了一种新的做市模式，从头开始，这是专为高频交易下的限价订单簿（LOB），根据众所周知的分类订单类型在市场微观结构。我们灵活的框架允许任意订单量、价格跳跃和买卖价差分布以及使用市价订单。它还尊重不同订单类型到达时价格变动的一致性。例如，很明显，价格永远不应该下跌购买市价订单。此外，它还尊重LOB的价格-时间优先级。与经典的Avellaneda和Stoikov [1]做市框架中的常规控制扩散方法相比，我们利用标记点过程的最优切换和脉冲控制技术，这些技术已被证明在建模订单特征方面非常有效。与控制问题相关的Hamilton-Jacobi-Bellman拟变分不等式（HJBQVI）可以通过有限差分法数值求解。我们用一个完整的数值分析来说明我们的最优交易策略，并校准到一个流行的交易所交易基金（ETF）的订单簿统计数据。我们的模拟表明，做市的利润可以严重夸大下LOB与不一致的价格走势。
2020-01-30 q-fin.TR
Deep Learning modeling of Limit Order Book: a comparative perspective
UCL（伦敦大学学院）；London School of Economics（伦敦政治经济学院）
本工作解决了高频交易深度学习领域的理论和实践问题。最先进的模型，如随机模型，逻辑回归，LSTM，配备注意力掩码的LSTM，CNN-LSTM和MLP在相同的任务，特征空间和数据集上进行了审查和比较，然后根据成对相似性和性能指标进行聚类。因此，调查的建模技术的基本尺寸，以了解这些是否是内在的限价订单簿的动态。我们观察到，多层感知器的性能超过或优于最先进的CNN-LSTM架构，这表明动态空间和时间维度是LOB动态的良好近似，但不一定是真正的底层维度。
2020-10-18 cs.LG q-fin.CP q-fin.TR
Price Jump Prediction in Limit Order Book
限价订单簿提供有关可用限价订单价格及其数量的信息。在此基础上，我们给出了买卖流动性平衡与交易信号之间的关系的实证结果，我们表明，最佳出价/最佳要价的流动性平衡是相当有用的预测未来市场秩序的方向。此外，我们将价格跳跃定义为卖出（买入）市场订单的到达，其执行价格小于（大于）前一个市场订单到达后的最佳买入（最佳卖出）价格。然后提取与限价订单量、限价订单价格差距、市价订单信息和限价订单事件信息相关的特征。应用逻辑回归来预测限价订单簿特征的价格跳跃。引入LASSO逻辑回归来帮助我们进行变量选择，从中我们能够突出不同特征在预测未来价格跳涨中的重要性。为了消除日内数据的季节性，该分析基于两个分离的数据集：上午数据集和下午数据集。基于对法国40大股票的分析，我们发现交易信号和市场订单规模以及最佳出价（最佳要价）的流动性对于预测未来的价格上涨是一致的信息。
2012-04-06 q-fin.TR
A Deterministic Limit Order Book Simulator with Hawkes-Driven Order Flow
本文提出一个结合确定性C++限价订单簿模拟器与多元标记霍克斯过程订单流的可复现框架，推导稳定性与遍历性证明，校准指数和幂律核，并发现接近不稳定的次临界机制对再现订单流聚类至关重要。
2025-10-09 q-fin.TR
Stationary distribution of the volume at the best quote in a Poisson order book model
在本文中，我们开发了一个马尔可夫模型，处理的电子订单簿的最佳报价提供的量。第一个限价的成交量是一个随机过程，其路径会周期性地中断并重置为一个新的值，这可以通过在价差内提交新的限价订单或通过移除第一个限价的市价订单来实现。使用应用概率结果杀死和复活马尔可夫过程，我们得出的平稳分布的数量提供了最好的报价。所有提出的模型经验拟合和比较，强调所提出的机制的重要性。
2015-02-13 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
Multi-Horizon Forecasting for Limit Order Books: Novel Deep Learning Approaches and Hardware Acceleration using Intelligent Processing Units
Oxford-Man Institute of Quantitative Finance（牛津曼量化金融研究所）；University of Oxford（牛津大学）
本文利用深度学习技术设计了限价订单数据的多水平预测模型。与标准结构中的一个单一的预测，我们采用编码器-解码器模型与序列到序列和注意力机制，以产生一个预测路径。我们的方法实现了国家的最先进的算法在短的预测视野相当的性能。重要的是，它们在利用多水平设置生成长期预测时表现出色。鉴于编码器-解码器模型依赖于递归神经层，它们通常会受到缓慢训练过程的影响。为了解决这个问题，我们尝试使用新的硬件，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而设计，旨在加快计算过程。我们表明，在我们的设置中，与使用GPU的训练模型相比，这导致了显著更快的训练时间。
2021-08-27 cs.LG cs.NE 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 level-1 Limit Order book with time dependent arrival rates
我们提出了一个简单的随机模型的动态限价订单簿，扩展了最近的工作Cont和de Larrard（2013），其中的价格动态是内生的，导致市场交易。我们还表明，价格过程的条件扩散极限是所谓的布朗曲流。
2017-04-21 q-fin.TR stat.AP
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
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
Optimal placement of a small order in a diffusive limit order book
本文研究了一个股票交易者的最优配置问题，该交易者希望在预定的时间范围t内通过限价订单或市价订单清空他/她的库存。对于扩散市场，我们刻画了最优限价订单配置策略，并分析了其在不同市场条件下的行为。特别是，我们表明，在负漂移的存在下，存在一个临界时间t0>0，这样，对于任何时间范围t>t0，存在一个最佳的位置，这与早期的工作，是不同的，是放在“无限”接近最好的要求，如最好的出价和第二最好的出价。我们还提出了一个简单的方法来近似的临界时间t0和最优订单。
2017-08-14 q-fin.TR
Transformers for Limit Order Books
我们引入了一种新的深度学习架构，用于从限价订单簿中预测价格走势。该架构使用因果卷积网络进行特征提取，并结合掩蔽的自我注意力，根据相关的上下文信息更新特征。这种架构的性能明显优于现有架构，例如使用卷积网络（CNN）和长短期记忆（LSTM）的架构，为FI-2010数据集建立了一个新的最先进的基准。
2020-02-29 q-fin.CP q-fin.TR
Continuous-time Modeling of Bid-Ask Spread and Price Dynamics in Limit Order Books
通过对整个限价订单簿（LOB）动态过程的多尺度分析，建立了中间价和买卖价差联合演化的连续时间模型。我们将LOB建模为一个多类的嵌入系统，并使用经验观察到的风格化特征进行渐近分析。我们认为，在由经验观察支持的渐近制度下，中间价和买卖价差可以只用书中的某些参数来描述（而不是整本书本身）。我们的极限过程的特点是反射行为和状态相关的跳跃。我们的分析可以解释在实践中观察到的某些特征，如：在订单簿的数量和回报，以及长期价差分布的统计特性的幂律衰减尾部之间的连接。
2013-10-03 q-fin.ST 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
General Compound Hawkes Processes in Limit Order Books
本文研究了各种新的Hawkes过程。具体地说，我们构造了一般的复合Hawkes过程，并在限价订单簿中研究了它们的性质.对于这些一般的复合Hawkes过程，我们证明了一个大数定律（LLN）和一个功能中心极限定理（FCLT）的几个特定的变化。我们将这些FCLT中的几个应用到限价订单簿中，以研究价格波动和订单流之间的联系，其中中间价格变化的波动性用描述到达率和中间价格过程的参数来表示。
2018-11-06 q-fin.MF q-fin.TR
Limit-order book resiliency after effective market orders: Spread, depth and intensity
在订单驱动市场中，当订单簿受到流动性冲击时，限价订单簿弹性是反映市场质量的一个重要微观指标，对大订单的最优提交策略的设计起着至关重要的作用。然而，LOB弹性围绕流动性冲击的演化行为并没有得到很好的实证理解。利用中国股票的订单流数据集，对不同攻击性的有效市价订单的买卖价差、订单深度和订单强度等LOB动态进行了量化和比较。我们发现，当价差相对较低，同侧深度较高，对侧深度较低时，交易者更有可能提交有效的市价订单。当初始点差为1个基点时，这种现象尤其显著。不同类型的市价订单交易后，弹性模式呈现出明显的差异，但在20次最佳限价更新后，价差和深度都能恢复到样本平均水平。在激进市价订单下，价格弹性行为占主导地位，而在非激进市价订单下，价格持续行为占主导地位。当初始价差为1个基点时，有效市价订单对限价订单产生非对称的激励作用。在这种情况下，有效的买市价订单吸引更多的买限价订单和有效的卖市价订单吸引更多的卖限价订单。价差和深度的弹性行为与限价订单强度有关。
2017-02-07 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
Multi-Agent Reinforcement Learning in a Realistic Limit Order Book Market Simulation
最佳订单执行被行业从业者和学术研究人员广泛研究，因为它决定了投资决策和高级交易策略的盈利能力，特别是涉及大量订单的交易策略。然而，复杂和未知的市场动态对最优执行策略的开发和验证提出了重大挑战。在本文中，我们提出了一种无模型的方法，通过训练强化学习（RL）代理在一个现实的市场模拟环境中有多个代理。首先，我们配置一个多代理历史订单簿模拟环境，用于执行基于代理的交互式离散事件模拟（ABIDES）的任务[arXiv：1904.12066]。其次，我们制定了最优执行的RL设置，智能代理可以在高频交易（HFT）的市场微观结构的交易信号的基础上，订单执行和配售决策的问题。第三，我们开发和训练一个RL执行代理使用双深度Q学习（DDQL）算法在ABIDES环境。在某些情况下，我们的RL代理收敛到时间-加权价（TWAP）策略。最后，我们评估模拟与我们的RL代理比较，它与市场重放模拟使用真实的市场限价订单簿（LOB）数据。
2020-09-11 q-fin.TR
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
A Functional Limit Theorem for Limit Order Books with State Dependent Price Dynamics
本文研究了双边限价订单簿（LOB）的动态随机模型。我们的模型足够灵活，可以考虑价格动态对交易量的依赖。对于最佳买入价、最佳卖价和成交量密度的联合动态，我们推导出了一个函数极限定理，该定理表明当订单到达率趋于无穷大，单个订单到达对订单数量和最小价格变动单位的影响趋于零时，我们的LOB模型在分布上收敛于一个完全耦合的SDE-SPDE系统.价格指数描述了买入/卖价动态，而SPDE描述了成交量动态。
2016-08-03 q-fin.MF q-fin.TR
Trading Strategy with Stochastic Volatility in a Limit Order Book Market
本文利用Heston随机波动率模型来描述股票的波动性，并应用该模型推导和分析了证券市场中交易商的最优交易策略。我们也将我们的研究扩展到股票期权在存在随机波动率的情况下的做市。在数学上，该问题被表述为一个随机最优控制问题，受控状态过程是经销商的市值财富。证券市场上的交易商可以最佳地确定他们对标的股票或期权的报价。他们的目标是最大限度地提高交易的预期利润，惩罚与累积库存成本的方差成正比。
2016-02-01 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
The order book as a queueing system: average depth and influence of the size of limit orders
研究了单边订单簿模型的分析性质，其中限价订单和市价订单的流动均为Poisson过程，取消订单的生命期服从指数分布.虽然过于简单，但该模型提供了一种不应忽视的分析易处理性。利用生灭过程的基本结果，我们建立了一个连续订单簿模型的形状（深度）的解析公式，它既由市场机制建立，又非常接近经验检验公式。我们将这种形状与限价订单的执行概率联系起来，强调了订单簿中订单流的守恒定律。然后，我们扩展我们的模型，允许随机大小的限价订单，从而允许研究传入的限价订单的大小和形状的订单簿之间的关系。我们的理论模型表明，对于给定的进入限价订单总量，提交的限价订单越少（即这些限价订单的平均大小越大），价差周围的订单簿就越深。这种理论关系最后在巴黎证券交易所交易的几只股票上进行了实证检验。
2013-11-22 q-fin.ST q-fin.TR
Compound Hawkes Processes in Limit Order Books
本文引入了两个新的Hawkes过程，即复合Hawkes过程和状态转换复合Hawkes过程，对限价订单簿中的价格过程进行建模。我们证明了这两个过程的大数定律和功能中心极限定理（FCLT）。这两个FCLTs被应用到限价订单簿，我们使用这些渐近方法来研究价格波动和订单流之间的联系，在我们的两个模型中，通过使用这些价格过程的扩散限制。价格变动的波动率用描述到达率和价格变动的参数来表示。我们还提出了一些数值例子。
2017-12-07 q-fin.MF q-fin.TR
Deep Learning Meets Queue-Reactive: A Framework for Realistic Limit Order Book Simulation
Université Paris 1 Panthéon-Sorbonne, Centre d’Economie de la Sorbonne（巴黎第一大学先贤祠-索邦大学经济中心）
针对传统Queue-Reactive限价订单簿模型的局限性，提出MDQR模型，通过神经网络扩展状态空间与依赖建模，在保留可解释性的同时更精准复现市场微观结构特征且兼顾计算效率。
2025-01-15 cs.LG q-fin.TR
Two Price Regimes in Limit Order Books: Liquidity Cushion and Fragmented Distant Field
流动性在限价订单簿中的分布对于市价订单对股票价格的影响和价格冲击的出现至关重要。限价订单的特点是程式化的事实：插入的限价订单的数量下降的价格距离的报价遵循幂律和限价订单的生命周期和数量是幂律分布。这些数量之间的强相关性增加了限价订单簿的复杂性。本文从价格、时间、限价订单有效期和交易量四个维度对限价订单簿进行分析。这使我们能够识别在边缘分布中不可见的变量。特别地，我们发现限价订单簿分为两个区域。围绕报价，我们发现一个密集的制度，主要是短期生活限价订单密切适应价格。在远离报价的地方，我们发现稀疏的长效限价订单，大多在一天中容易发生闪电崩盘的特定时间插入。我们确定这两种制度的特点，并指出主要的区别。基于我们的研究，我们提出了一个模型，用于模拟报价周围的政权。
2022-10-23 q-fin.ST 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
Order-book modelling and market making strategies
做市是算法交易最重要的方面之一，从理论的角度对其进行了相当广泛的研究。然而，大多数订单簿模型无法忠实地再现真实市场参与者的行为，因此，所谓的“最优策略”的实际实施受到影响。本文件具有双重意义。首先，一些重要的统计特性的订单驱动市场的识别，主张反对使用纯粹的马尔可夫订单簿模型。然后，做市策略的设计和性能进行比较，基于模拟以及回测。我们发现，在限价订单簿中加入一些简单的非马尔可夫特征，可以大大提高做市策略在现实环境中的绩效。
2018-06-13 q-fin.TR
From Zero-Intelligence to Queue-Reactive: Limit Order Book modeling for high-frequency volatility estimation and optimal execution
高频数据波动率的估计受到微观结构噪声的困扰，这会导致有偏的测量。替代估计已开发和测试的噪声或其渐近分布的收敛速度的特定结构。Gatheral和Oomen（2010）提出使用限价订单簿的零智能模型来检验几种综合方差估计量的有限样本性能。在此基础上，本文提出了三个主要创新点：（1）将限价订单簿的响应-响应模型作为数据生成过程（Huang et al.（2015）），与零智能模型相比，该模型生成更真实的微观结构动力学，如这里通过使用Hausman测试所示;（ii）我们认为不仅估计的综合波动率，但也现货波动率;（iii）我们显示的相关性估计的预测方差的成本模拟VWAP执行。总体而言，我们发现，对于综合波动率，预平均估计优化的估计偏差，而统一和交替估计导致最佳的均方误差值。相反，在现货波动率的情况下，傅立叶估计器产生最佳精度，无论是在偏差和均方误差方面。后者估计也导致VWAP执行的成本方差的最佳预测。
2022-09-19 q-fin.TR
Modelling intensities of order flows in a limit order book
我们提出了一个参数模型的模拟限价订单簿。我们假设限价订单、市价订单和取消订单都是按照强度依赖于状态的点过程提交的。我们提出了新的功能形式，这些强度，以及新的模式放置的限价订单和取消。对于取消，我们引入“优先级指数”的概念来描述在订单簿中选择要取消的订单。模型的参数估计使用似然最大化。我们通过提供大量的模拟结果来说明模型的性能，并与经验数据和标准泊松参考进行比较。
2016-02-12 q-fin.ST q-fin.TR
A law of large numbers for limit order books
我们定义了一个双边限价订单簿的随机模型的关键量\textit{best bid [ask] price}和\textit{standing buy [sell] volume density}。对于一个简单的缩放的离散参数，保持预期的成交量率在所考虑的价格区间不变，我们证明了一个极限定理。极限定理指出，给定随机订单流上的正则性条件，关键量依概率收敛到一个易处理的连续极限模型。在极限模型中，买入和卖出的成交量密度被作为一阶线性双曲型偏微分方程的唯一解给出，由期望的订单流参数指定。
2015-01-05 q-fin.MF q-fin.TR
The limit order book on different time scales
金融市场可以在几个时间尺度上描述。我们使用伦敦证券交易所（LSE）的限价订单簿的数据来比较波动主导的微观结构如何跨越到一个更系统的全球行为。
2007-05-28 physics.data-an physics.soc-ph q-fin.TR
Optimal execution and price manipulations in time-varying limit order books
对Alfonsi，Fruth和Schied提出的具有一般形状的限价订单簿（LOB）模型进行了推广。这里，附加特性允许随时间变化的LOB深度。我们解决了离散和连续时间策略的最优执行问题在这个框架中。这特别给出了排除Huberman和Stanzl意义上的价格操纵或交易触发的价格操纵的充分条件（见Alfonsi，Schied和Slynko）。这些条件提供了有趣的定性见解，做市商如何可能创造或不操纵价格。
2012-04-12 math.OC 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
