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:
P ( Y > y ∣ Y ≥ y ) = ( 1 + e x p ( b + θ ⋅ ( s i z e a t l e v e l y − K , … , s i z e a t l e v e l y + K ) ) ) − 1 , y > 0 \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 P(Y>y∣Y≥y)=