大型语言模型（LLM）是否理解限价订单簿（LOB）动态？
Do LLMs Understand Limit Order Book Dynamics?
浏览论文内容
中文总结 AI 辅助
本研究测试基于LOB数据训练的LLM，发现其隐式世界模型未掌握LOB状态，导致预测有偏且存在虚假可预测性，为此将相关测试扩展至LOB的随机动态环境。
中文摘要 AI 辅助
基于合成限价订单簿（LOB）数据训练的大型语言模型（LLM）在生成有效LOB事件序列时取得近乎完美的分数，但该LLM的隐式世界模型未能学习到LOB的状态，这一缺陷导致使用LOB预测未来LOB事件时出现有偏估计和虚假可预测性。本研究采用针对LLM世界模型的新颖测试，将先前工作从确定性设置扩展到LOB所需的随机动态环境。
英文摘要
A large language model (LLM) trained on synthetic limit order book (LOB) data achieves near perfect scores in generating valid sequences of LOB events. However, the LLM's implicit world model fails to learn the state of the LOB. This deficiency leads to biased estimates and spurious predictability in using the LLM to forecast future LOB events. Our analysis uses novel tests of an LLM's world model, extending prior work from deterministic settings to the stochastic dynamics needed for the LOB.
发表机构
- Columbia Business School（哥伦比亚商学院）
机构由 AI 辅助整理，请以论文原文为准。
