[Quant][Note] Deep Learning for Limit Order Books

最新推荐文章于 2024-11-01 20:25:39 发布

会编程的猫头鹰

最新推荐文章于 2024-11-01 20:25:39 发布

阅读量473

点赞数

分类专栏： Quant 文章标签：深度学习人工智能

本文链接：https://blog.youkuaiyun.com/te_sun/article/details/126925814

版权

本文探讨了作者如何运用机器学习，特别是深度学习技术，来预测限价订单簿（LOB）对价格变动的影响。通过结合softmax创建空间模型，预测下一次最佳买卖报价变化的概率分布以及在固定时间间隔内的变化。文中还比较了不同的模型，包括使用ReLU和Dropout的神经网络，并以逻辑回归作为基线。此外，文章介绍了Cont和Larrard在2012年提出的order book压力模型，该模型考虑了最佳买卖报价变化的相关性对价格波动的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目	Deep Learning for Limit Order Books
论文链接	论文pdf链接
发表时间	2016.05.16
论文作者	Justin Sirignano

文章小结

作者Justin的文章很多集中于机器学习，这篇文章使用机器学习的方式预测order book对于价格变化的影响，其实technique并不是特别fancy，把softmax结合进去定义了所谓的spatial model。预测分为两种，其一是预测下一次best bid /ask 变化的时候，对于不同 order book level上面best ask/bid的概率分布；另一种是取固定的时间间隔进行预测（作者这里使用了1s）。

文章纪要

在使用机器学习的过程中，作者也使用了relu，dropout等常见技巧。
作为baseline，作者和naive empirical model以及logistic regression，普通的nn 网络进行了对比。训练使用了50张卡。
文章中的logistic regression定义为：
$\mathbb{P} (Y >y |Y\geq y) = (1+exp(b +\theta \cdot (\mathrm{size \, at\, level \, y-K, \dots, size \, at\, level \, y+K})))^{-1}, y>0$