BriefGPT - AI 论文速递
·
基于$K$-最近邻重采样的限价单簿模拟与交易评估
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究介绍了一种名为HLOB的大规模深度学习模型，用于预测限价单簿的中间价格变动。该模型通过信息过滤网络和同源卷积神经网络的灵感，揭示了限价单簿信息的空间分布和预测时间范围内的退化情况。实验证明，HLOB模型在金融市场预测中优于其他深度学习模型。
🎯
关键要点
- 研究介绍了一种名为HLOB的大规模深度学习模型，用于预测限价单簿的中间价格变动。
- HLOB模型利用信息过滤网络揭示卷面层次之间的依赖结构。
- 模型从同源卷积神经网络中汲取灵感，以处理底层系统复杂性。
- 对三个包含15只纳斯达克股票的真实限价单簿数据集进行了对比实验。
- HLOB模型在与9种最先进的深度学习模型的比较中表现优越。
- 研究揭示了限价单簿信息的空间分布及其在预测时间范围内的退化情况。
- 缩小了微观结构建模与基于深度学习的高频金融市场预测之间的差距。
➡️
