Deep Learning Meets Queue-Reactive: A Framework for Realistic Limit Order Book Simulation

要約

Huang らによって導入された Queue-Reactive モデル。
(2015) は指値注文ブック モデリングの標準ツールとなっており、そのシンプルさと有効性から研究者と実務者の両方に広く採用されています。
我々は、このフレームワークを 3 つの方法で拡張する多次元ディープ キュー リアクティブ (MDQR) モデルを紹介します。キューの独立性の仮定を緩和し、市場の特徴を備えた状態空間を強化し、注文サイズの分布をモデル化します。
ニューラル ネットワーク アーキテクチャを通じて、モデルは、元のフレームワークの解釈可能なポイントプロセス基盤を維持しながら、異なる価格レベル間の複雑な依存関係を学習し、さまざまな市場状況に適応します。
外灘先物市場のデータを使用して、MDQR が市場影響の平方根の法則、キュー間の相関関係、現実的な注文サイズ パターンなどの主要な市場特性を捉えていることを示します。
このモデルは、注文サイズの条件付き分布と定常分布の両方、および市場の微細構造のさまざまな様式化された事実を再現する際に特に強みを発揮します。
このモデルは、強化学習や現実的なバックテストによる戦略開発などの実際のアプリケーションに必要な計算効率を維持しながら、これを実現します。

要約(オリジナル)

The Queue-Reactive model introduced by Huang et al. (2015) has become a standard tool for limit order book modeling, widely adopted by both researchers and practitioners for its simplicity and effectiveness. We present the Multidimensional Deep Queue-Reactive (MDQR) model, which extends this framework in three ways: it relaxes the assumption of queue independence, enriches the state space with market features, and models the distribution of order sizes. Through a neural network architecture, the model learns complex dependencies between different price levels and adapts to varying market conditions, while preserving the interpretable point-process foundation of the original framework. Using data from the Bund futures market, we show that MDQR captures key market properties including the square-root law of market impact, cross-queue correlations, and realistic order size patterns. The model demonstrates particular strength in reproducing both conditional and stationary distributions of order sizes, as well as various stylized facts of market microstructure. The model achieves this while maintaining the computational efficiency needed for practical applications such as strategy development through reinforcement learning or realistic backtesting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google