Liquidity takers behavior representation through a contrastive learning approach

要約

ユーロネクストからの CAC40 データ上のラベル付き注文へのアクセスのおかげで、当社は発注された注文に基づいて市場におけるエージェントの行動を分析することができます。
この研究では、エージェントの成行注文の表現を効果的に学習するために、三重項損失を使用した自己教師あり学習モデルを構築します。
この学習された表現を取得することで、さまざまな下流タスクが実行可能になります。
この研究では、エージェントの命令の学習された表現ベクトルに対して K 平均法クラスタリング アルゴリズムを利用して、各クラスター内の異なる行動タイプを識別します。

要約(オリジナル)

Thanks to the access to the labeled orders on the CAC40 data from Euronext, we are able to analyze agents’ behaviors in the market based on their placed orders. In this study, we construct a self-supervised learning model using triplet loss to effectively learn the representation of agent market orders. By acquiring this learned representation, various downstream tasks become feasible. In this work, we utilize the K-means clustering algorithm on the learned representation vectors of agent orders to identify distinct behavior types within each cluster.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google