Deep Limit Order Book

Transformer模型被重新用于市场影响分析 · arXiv cs.AI

研究人员开发了一个新框架，使用深度学习模型来评估反事实订单簿消息的市场影响。这种模型无关的方法通过在注入模拟消息前后比较预测器的预测来定义短期市场影响。一个基于Transformer的预测器展示了高准确性，实现了0.99的Spearman相关系数和97.2%的方向一致性，表明预训练的限价订单簿预测器可以在无需重新训练的情况下重新用于场景条件响应建模。