Endogenous Randomness from Adversarial Market Learning
FTI Consulting(FTI咨询)
提出一个确定性对抗市场模型,市场机制与预测交易者互动内生产生随机性,无需外部噪声或数据分布模仿。
2026-06-23 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
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
How Traders enter the Market through the Book
基于模拟交易活动的书的实现.
2001-03-05 cond-mat.stat-mech q-fin.TR
Endogenous Liquidity Crises
经验数据表明,流入订单簿的流动性(存款、取消和市价订单)受到过去价格变化的影响。特别是,我们表明,流动性往往随着过去的波动幅度和价格趋势。这种反馈机制反过来又增加了波动性,可能导致流动性危机。在程式化的订单簿模型中考虑到这种影响,我们用数值方法证明了从弱反馈的稳定状态到强反馈的不稳定状态之间存在一个二阶相变,在这个相变中流动性危机以概率1出现。我们刻画的临界指数,这似乎属于一个新的普适类。然后,我们提出了一个更简单的模型蔓延dynamicsthat映射到一个线性霍克斯过程,也表现出流动性危机。如果与真实市场相关,这种相变情景要求系统低于但非常接近不稳定阈值(自组织临界性),或者反馈强度本身依赖于时间,偶尔访问不稳定区域。另一种情况是由一类非线性霍克斯过程提供的,它显示出偶尔的“激活”流动性危机,而不必在不稳定的边缘徘徊。
2020-02-19 cond-mat.stat-mech 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
Trading on the Floor after Sweeping the Book
知情的交易者需要快速交易,以便在公开之前从他们的私人信息中获利。快速的电子市场提供了这种流动性。慢速市场提供基于拍卖的交易大厅的执行。混合市场结合了这两个执行场所。在其主要结果中,该论文表明,为了补偿其缓慢和高风险的执行,交易大厅的深度至少需要是清扫设施的两倍。此外,当一个独立的交易大厅通过增加一个清扫设施来增强时,整体知情交易将下降,因为知情交易者更容易提取其私人信息的全部价值。
2020-01-17 q-fin.TR
The Importance of Low Latency to Order Book Imbalance Trading Strategies
人们普遍认为,对交易所的低延迟访问是许多高频交易策略盈利的关键因素。某些金融公司为与交易所服务器合用同一地点而进行的“军备竞赛”证明了这一信念。据我们所知,我们的研究是第一个验证和量化这一假设在一个连续的双重拍卖市场与一个单一的交易所类似于纽约证券交易所。在没有报告贸易商身份和地点的历史数据的情况下进行这种探索是不可行的。因此,我们调查的延迟访问订单簿信息和盈利能力的交易策略利用该信息与基于代理的交互式离散事件模拟,成千上万的代理追求原型交易策略之间的关系。我们介绍了实验交易者追求低延迟订单簿不平衡(OBI)策略,在数千个模拟交易日的控制方式,并分析OBI交易者的利润,而不同的距离(延迟)从交易所。我们的实验支持延迟与OBI交易员的利润呈负相关,但更有趣的是,延迟排名,而不是绝对幅度,是追求类似策略的代理之间分配回报的关键因素。
2020-06-15 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
A Novel Approach to Queue-Reactive Models: The Importance of Order Sizes
本文提出扩展队列反应模型,强调订单规模的重要性,通过整合订单簿状态确定订单规模,实证显示其改善订单流描述并生成波动性接近真实数据的模拟市场。
2024-05-28 q-fin.TR
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
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
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
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
Hydrodynamic limit of order book dynamics
本文建立了双边马尔可夫订单簿模型的流动极限。我们的主要结果表明,在一定的渐近制度,一对测度值过程表示的“卖方形状”和“买方形状”的订单簿在一定意义下收敛到一对确定性测度值过程。我们还测试我们的流体近似数据。实证结果表明,近似是合理的,在一定时期内流动性交易的股票。
2016-02-24 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
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
The Market Maker's Dilemma: Navigating the Fill Probability vs. Post-Fill Returns Trade-Off
Department of Statistics, University of Oxford(牛津大学统计系);Oxford-Man Institute of Quantitative Finance, University of Oxford(牛津大学牛津量化金融研究所);Department of Mathematics, University of California Los Angeles(加州大学洛杉矶分校数学系);Mathematical Institute, University of Oxford(牛津大学数学研究所);School of Mathematical Sciences, Queen Mary University of London(伦敦大学玛丽女王学院数理科学学院);Department of Mathematics and Statistics, Memorial University of Newfoundland(纽芬兰纪念大学数学与统计系)
本文研究了做市商在成交概率与成交后收益之间的权衡,发现反向策略在特定条件下更有效。
2025-11-23 q-fin.TR
Price impact without order book: A study of the OTC credit index market
我们提出了一个研究的价格影响,在场外信用指数市场,没有限价订单簿的使用。合约通过交易商进行交易,交易商为客户的订单而竞争。尽管这种独特的微观结构,我们成功地应用传播技术来估计个别交易的价格影响。由于订单通常比多边市场更少被分割,因此观察到的影响主要是永久性的,与理论预期一致。提出了一种简单的方法来纠正我们在买卖交易分类中的错误。我们发现,在2015年底和2016年初,订单流相关性出现了非常显著的暂时性增长,我们将其归因于投资者之间订单分割或羊群效应的增加。我们还发现,有迹象表明,向较少的经销商发布的订单可能会产生较低的价格影响。定量结果与其他更经典市场的早期发现是一致的,进一步支持价格影响是一种普遍现象,在很大程度上独立于市场微观结构的论点。
2016-09-15 q-fin.TR
Optimal execution with liquidity risk in a diffusive order book market
研究了存在流动性成本的最优下单策略。在这个问题中,股票交易者希望在预定的时间范围$T$内清空她的大量库存。交易者同时使用限价单和市价订单,大市价订单面临由流动性风险引起的不利价格变动。首先,我们研究了一个单期模型,其中交易者在开始时下限价订单和/或市价订单。我们展示了在不同市场条件下的最优市价订单数量$m^*$和最优限价限价订单配置$y^*$的行为。接下来,我们将其扩展到一个多期模型,在该模型中,交易者在多个时间点连续决定限价订单和市价订单。
2020-04-23 q-fin.CP 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
Optimal Execution and Macroscopic Market Making
Monash University(莫纳什大学)
提出一个随机博弈模型,刻画做市商与交易者之间的策略互动,通过FBSDEs刻画纳什均衡,并在特定模型中建立全局适定性,模拟揭示报价与策略订单负相关。
2026-06-11 q-fin.TR
Reinforcement Learning for Trade Execution with Market and Limit Orders
ETH Zurich(苏黎世联邦理工学院)
本文提出了一种基于强化学习的交易执行框架,通过动态分配市场和限价订单以最大化收益,并在模拟环境中验证了其优于传统策略的效果。
2026-01-26 q-fin.CP q-fin.ST 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
Self-exciting price impact via negative resilience in stochastic order books
现有的大多数文献中的最佳贸易执行限价订单簿模型假设弹性是积极的。但负弹性也有一种自然的解释,因为它模拟了价格影响的自激行为,即大型投资者的交易活动刺激其他市场参与者朝着同一方向进行交易。在本文中,我们讨论了当我们允许弹性取负值时,对最佳交易执行产生的几个新的定性影响。我们在一个框架中这样做,其中市场深度和弹性都是随机过程。
2022-07-22 math.OC math.PR q-fin.TR
Bimodal Dynamics of the Artificial Limit Order Book Stock Exchange with Autonomous Traders
本文探究含内生近视交易者的人工限价订单簿证券交易所的分岔动力学,揭示其价格动力学的内在双稳态等涌现特性,为人工股票市场的路径依赖与复杂动力学提供新视角。
2025-08-25 q-fin.PM q-fin.PR 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
Market Informedness and Market-Maker Profitability: The Trade-Off Between Adverse Selection and Price Discovery
University of Zurich(苏黎世大学);ETH Zurich(苏黎世联邦理工学院);Aisot Technologies(艾索特科技)
本文通过多智能体强化学习框架研究市场知情度对做市商盈利能力的影响,发现知情订单流在低知情市场中导致严重逆向选择风险,但整体上市场知情度提高带来的价格发现效应抵消了逆向选择的负面影响,使做市商盈利能力呈上升趋势。
2026-06-18 q-fin.TR
Market Dynamics vs. Statistics: Limit Order Book Example
常用的限价订单簿属性是根据纳斯达克ITCH数据根据经验考虑的。结果表明,它们中的一些具有与许多市场动态研究中假设的性质截然不同的性质。由于这种差异,我们建议从“统计”类型的订单簿研究(典型的学者)过渡到“动态”类型的研究(典型的市场从业者)。基于市场数据分析,我们得出结论:大部分市场动态信息包含在具有尖峰的属性中(如已执行交易流$I=dv/dt$),市场上不存在任何“平稳情况”,典型的市场动态是一种“快速激励然后缓慢松弛”的行为,具有广泛的激励频率和松弛时间分布。一个计算机代码,提供了完整的深度订单簿信息和最近执行的交易,可从作者[1]。
2016-03-30 q-fin.CP q-fin.TR
Long-range Auto-correlations in Limit Order Book Markets: Inter- and Cross-event Analysis
金融时间序列的长期相关性反映了由算法和人类决策驱动的股票市场的复杂动态。我们的分析利用超高频订单簿数据,从纳斯达克北欧在一个为期三年的数字估计幂律标度指数,使用去趋势波动分析(DFA)。我们处理事件间持续时间(订单到订单,交易到交易,取消到取消)以及跨事件持续时间(从订单提交到交易或取消的时间)。我们发现了长期相关性的强有力证据,这在不同的股票和变量之间是一致的。然而,考虑到DFA波动函数中的交叉,我们的结果表明,事件间持续时间的长程相关性在较长的时间尺度上变得更强,即,当从数小时到数天再到数月的范围移动时。我们还观察到标度指数和一些经济变量之间的有趣关联,特别是在贸易间时间序列中。
2017-11-09 q-fin.ST q-fin.TR
The Self-Financing Equation in High Frequency Markets
高频交易(HFT)在所有金融交易中所占的比例越来越大,因为大多数市场现已转向电子订单簿系统。本文的主要目标是提出连续时间方程,将无摩擦市场的自融资关系推广到具有限价订单簿的电子市场。我们使用NASDAQ ITCH数据来识别重要的经验特征,如价格影响和恢复,库存的粗略路径和消失的买卖价差。从这些特点出发,我们确定微观身份举行的贸易时钟,并通过扩散极限参数,推导出连续时间方程提供了一个宏观描述的性质的订单簿。这些等式自然区分了限价订单和市价订单。我们给出了几个应用程序(包括对冲欧式期权与限价订单,做市商最优价差选择,和毒性指数),以说明它们的影响,以及如何使用它们的低频交易者(LFT)的利益。
2013-12-09 q-fin.TR
Tick Size Reduction and Price Clustering in a FX Order Book
我们研究了欧元/美元和美元/日元货币对的EBS订单簿的统计特性以及最小价格变动单位减少十倍对其动态的影响。很大一部分限价订单仍处于旧的允许价格或两者之间。这就产生了价格壁垒,最好的报价在大部分时间都在那里,这就导致了图书平均形状在圆形距离上出现明显的峰值。此外,我们认为,这种聚类主要是由于手动交易者仍然设置为旧的价格决议。自动交易者可以通过在集群之前一个滴答提交限价订单来轻松获得价格优先权,正如以最右侧数字一(九)发布的买入(卖出)限价订单的突出性所示。
2014-09-29 q-fin.ST q-fin.TR
ABIDES-MARL: A Multi-Agent Reinforcement Learning Environment for Optimal Execution with Endogenous Liquidity
ETH Zurich(苏黎世联邦理工学院)
ABIDES-MARL是用于内生流动性下最优执行的多智能体强化学习框架,扩展ABIDES-Gym实现多学习智能体,在扩展Kyle场景验证其可复现性,所得策略与外生冲击基准策略差异显著,为金融领域可解释智能体AI提供基础。
2026-08-25 cs.GT cs.MA cs.SY
Order Book, Financial Markets and Self-Organized Criticality
我们提出了一个简单的订单簿机制,调节人工金融市场与自组织临界动态和厚尾的回报分布。该模型显示了个体模仿在决定交易决策中所起的作用,同时有效地复制了典型的总体市场行为作为“自我实现的预言”。我们还讨论了随机交易者作为抑制市场波动的一种可能的分散解决方案的作用。
2016-02-26 physics.soc-ph q-fin.TR
Facilitation and Internalization Optimal Strategy in a Multilateral Trading Context
本文研究了一个专业交易员在多边交易设施中的四种交易算法,观察了一个现实的双边限价订单簿,其动态由订单簿事件驱动。交易者的身份可以是内部化的或常规的,可以是对冲基金或经纪机构。交易的速度和成本可以通过对交易记录中的显示订单选择积极策略和对点差中的隐藏订单选择消极策略来平衡。我们将表明,价格转换算法提供了混合交易算法的下限和上限。特别地,当内部化溢价为零时,内部化交易者的最优混合交易策略可以在价格转换策略集合中实现。对于内部化交易者和常规交易者,最优价格转换策略都是存在的,并且用价值函数表示。给出了离散状态过程的价值函数和最优价格切换策略的并行计算方法。
2015-01-10 math.OC 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
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
Informed trading, limit order book and implementation shortfall: equilibrium and asymptotics
我们提出了一个静态均衡模型的限价订单簿利润最大化的投资者收到的信息信号,关于资产的清算价值和执行通过一个竞争性的经销商随机初始库存,谁对竞争性的限价订单簿填充的流动性供应商的交易。我们证明了有界信号分布存在一个平衡点,得到了Bernoulli型信号的封闭形式解,并提出了一个简单的迭代算法来计算一般情况下的平衡订单簿。我们得到了大额交易的市场冲击的精确解析渐近性,并证明了函数形式依赖于内部人私人信号的尾部分布。特别地,如果信号具有厚尾,则影响遵循幂律,而在较轻尾的情况下,该律是对数的。此外,在我们的模型中,均衡状态下的贸易量的尾部分布服从幂律。我们发现,流动性供应商收取的最低买卖价差是独立的“噪音”交易的数量,但在均衡的内部人的信息优势的程度增加。该模型还预测,随着噪声交易量的增加,订单簿也将收敛到具有成比例交易成本的模型。在极限情形$N\to\infty$中,内部人之间的竞争导致激进交易,导致总利润消失。数值结果还表明,在其他参数不变的情况下,价差随着内部人数量的增加而增加。最后,如果清算价值是无限的,均衡可能不存在。我们推测,如果信号分布表现出厚尾,均衡的存在需要内部人员之间有足够的竞争。
2020-03-09 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
Correlation emergence in two coupled simulated limit order books
University of Cape Town(开普敦大学)
该研究通过随机游走模拟耦合限价订单簿,证明Epps效应可由交易者相互作用涌现产生,无需依赖市场微观结构噪声,还分析了相关程式化事实的影响因素。
2026-08-10 q-fin.CP q-fin.TR
Learning to simulate realistic limit order book markets from data as a World Agent
J.P. Morgan AI Research(摩根大通人工智能研究院);Balyasny Asset Management, L.P.(巴利亚斯尼资产管理有限合伙公司)
多代理市场模拟器通常需要仔细校准以模拟真实市场,其中包括代理的数量和类型。校准不佳的模拟器可能会导致误导性的结论,在投资银行、对冲基金和交易员研究和评估交易策略时可能会造成严重损失。在本文中,我们提出了一个世界模型模拟器,准确地模拟一个限价订单簿市场-它不需要代理校准,而是直接从历史数据中学习模拟的市场行为。传统的方法无法学习和校准交易者群体,因为历史标记数据与每个交易者策略的细节并不公开。我们的方法建议从历史数据中学习独特的“世界”代理。它旨在模拟整体交易者群体,而不需要对个人市场代理策略做出假设。我们将我们的世界代理模拟器模型实现为条件生成对抗网络(CGAN)以及参数分布的混合,并将我们的模型与以前的工作进行比较。定性和定量,我们表明,所提出的方法始终优于以前的工作,提供更多的现实主义和响应能力。
2022-09-26 cs.GT cs.LG q-fin.CP
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
The nature of price returns during periods of high market activity
通过研究从一篮子10种期货资产的订单簿中记录的所有交易和最佳买入/卖出的超高频快照,我们带来了定性的经验证据,即单笔交易的影响取决于交易间的时间滞后。我们发现,当交易速度变得更快,每次交易的回报方差或影响,作为衡量的价格变化的贸易方向,强烈增加。我们提供的证据表明,这些属性持续在粗糙的时间尺度。我们还表明,传播值是一个活动的递增函数。这表明,当交易率高时,订单簿更有可能是空的。
2010-10-27 q-fin.ST q-fin.TR
The role of volume in order book dynamics: a multivariate Hawkes process analysis
我们表明,多变量Hawkes过程与Bacry和Muzy(2015)首次提出的非参数估计过程相结合,可以成功地用于研究在限价订单簿市场中观察到的订单到达时间与其大小之间的复杂相互作用。我们将此方法应用于EUREX期货交易的高频订单簿数据。具体来说,我们展示了这种方法是如何不仅适合分析不同的订单类型(市价订单,限价订单,取消)之间的相互作用,但也包括其他相关的数量,如订单大小,到分析,也表明,简单的模型假设量和时间之间的独立性是不适合描述的数据。
2016-02-24 q-fin.ST q-fin.TR
A Stochastic Model of Order Book Dynamics using Bouncing Geometric Brownian Motions
我们考虑一个限价订单簿,买卖双方登记以特定价格交易证券。书上买家愿意提供的最大价格称为市场买价,书上卖家愿意接受的最小价格称为市场卖价。市场卖价总是大于市场买价,并且这些价格由于新到达、市场交易和取消而上下移动。我们将这两个价格过程建模为“弹跳几何布朗运动(GBM)",它被定义为两个相互反射的布朗运动的指数。然后,我们修改这些反弹GBM构建一个离散时间的交易时间和交易价格的随机过程,这是由一个积极的参数$δ$参数化。在该模型下,交易时间间隔服从逆高斯分布,连续交易时间间隔的对数收益服从正态逆高斯分布。我们的主要结果表明,对数交易价格过程是一个更新报酬过程,并且在适当的标度下,该过程收敛于一个标准的布朗运动$δ\to 0$ .我们还证明了修改后的要求和出价过程接近原始的弹跳GBM为$δ\to0$。最后,我们推导出一个简单而有效的交易价格预测公式,并通过一个实际股票价格数据的例子来说明预测公式的有效性。
2016-03-25 q-fin.MF q-fin.TR
A detailed heterogeneous agent model for a single asset financial market with trading via an order book
我们提出了一个基于代理的模型,一个单一的资产金融市场,是能够复制几个非平凡的统计特性,在真正的金融市场,一般被称为程式化的事实。虽然文献中报道的先前模型也能够复制这些统计特性中的一些,但一般来说,它们倾向于过度简化交易机制或代理人的行为。在我们的模型中,我们努力捕捉这两个方面的最重要的特征,以创建代理人,这些代理人采用受真实市场中使用的策略启发的策略,同时,基于双重拍卖订单簿的更现实的交易机制。我们研究了不同类型的交易者对收益统计的作用:具体来说,相关性(或缺乏相关性),波动性聚类,重尾,以及分布可以用对数正态描述的程度。此外,通过引入获利回吐的做法,我们的模型也能够复制与损失和收益分布不对称有关的程式化事实。
2016-07-09 q-fin.CP 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
Patience vs. Impatience of Stock Traders
在高频交易中,推迟执行而不受惩罚的能力提供了一个重要的战略优势。为了阐明交易者之间的竞争,我们必须从市场预期和报价中制定一个执行价格形成的定量理论。这个理论是由福柯、卡丹和坎德尔在2005年提出的。我推导出渐近分布的出价/出价的耐心和不耐烦的交易者的比率的函数使用动态版本的福柯,卡丹和坎德尔动态限价订单簿(LOB)模型。LOB模型的动态版本允许对交易市场进行程式化但足够真实的表示。特别是,动态LOB允许模拟执行时间的分布和高频报价的价差。在理解交易是交易者之间执行即时性的竞争方面取得了重大的分析进展。定性的结果进行了比较,高流动性股票的经验量价分布。
2014-06-18 q-fin.TR
Limit Order Book Simulation and Trade Evaluation with $K$-Nearest-Neighbor Resampling
University of Oxford(牛津大学);Deutsche Bank(德意志银行);Imperial College London(伦敦帝国学院);Oxford-Man Institute of Quantitative Finance, University of Oxford(牛津-曼量化金融研究所(牛津大学))
提出将$K$-NN重采样用于限价订单簿模拟与交易策略评估校准,方法具收敛保证、高效易用,并在关键统计上优于深度学习基准。
2024-09-10 cs.LG math.OC q-fin.ST
Same Book, Different Fills: Partial Identification of FIFO Execution from Aggregate Order Books
NVIDIA(英伟达)
本研究从聚合订单簿中部分识别FIFO执行,证明不同取消规则可导致被动执行结果显著差异,并建议执行策略需进行FIFO敏感性分析。
2026-10-20 q-fin.CP q-fin.TR
Asymmetric statistics of order books: The role of discreteness and evidence for strategic order placement
我们发现,在真正的订单簿的价差统计的特点是由一个内在的不对称性,由于离散效应的偶数或奇数值的价差。对纽约证交所订单簿数据的分析指出,交易员的策略助长了这种不对称。我们还研究了这种现象的微观模型的框架内,通过引入一个非均匀的沉积机制的限价订单,我们能够定量再现实验数据中发现的不对称性。我们的模型的模拟还显示了一个现实的动态与一种间歇性的行为,其特征在于长时间的订单簿是紧凑的和液体中断的挥发性配置。订单放置策略产生了一个非平凡的行为的蔓延松弛动力学,这是类似于在现实市场中观察到的。
2010-05-18 q-fin.ST q-fin.TR
The Impact of Heterogeneous Trading Rules on the Limit Order Book and Order Flows
本文建立了一个订单驱动市场的模型,在这个市场中,交易者根据外生的固定规则设置买价和卖价,并发布市价单或限价订单。假设代理人对未来资产收益的预期有三个组成部分,即基本面分析者、图表分析者和噪声交易者。此外,代理人在描述这些组成部分的特征方面有所不同,例如时间范围,风险规避和赋予各个组成部分的权重。在这里开发的模型扩展了大量的早期文献中,代理商的订单提交确定的效用最大化,而不是机械单位的订单大小,通常假设。通过这种方式,订单流更好地与市场的持续演变相关。对于给定的市场结构,我们分析的三个组成部分的交易策略的价格和订单流的统计特性的影响,并观察到它是图表策略,主要负责的厚尾和聚类的人工价格数据模型产生的。这篇论文提供了进一步的证据,证明图书中存在巨大的缺口可能会导致价格大幅变动。
2007-11-22 physics.soc-ph q-fin.TR
The Anatomy of a Decentralized Prediction Market: Microstructure Evidence from the Polymarket Order Book
本文通过分析Polymarket订单簿数据,揭示了去中心化预测市场的微观结构特征,包括长shot溢价、深度分布、延迟效应等,并指出需通过链上订单成交事件获取交易方向。
2026-05-14 cs.GT q-fin.GN q-fin.TR
Competition and Incentives in a Shared Order Book
本文通过委托-代理模型分析两个交易所共享限价订单簿的监管效率,证明纳什均衡存在性并揭示激励提供作为公共品导致的搭便车问题,最终可能削弱市场竞争。
2025-09-12 q-fin.TR