LOB-Bench：应用于LOB的生成式人工智能基准测试

文章预览

1. 引言 金融数据因其高噪声、重尾分布和策略性交互，构成了最具挑战性和趣味性的序列建模任务之一。然而，由于缺乏定量评估范式的共识，这一领域的研究进展受到阻碍。为解决这一问题，本文提出了LOB-Bench，这是一个用Python实现的基准测试框架，旨在评估限价订单簿（LOB）数据的生成式消息流数据的质量和真实性。LOB-Bench框架通过测量生成数据和真实LOB数据之间在条件和无条件统计量上的分布差异，支持灵活的多变量统计评估。基准测试还包括常用的LOB统计量，如价差、订单簿量、订单失衡以及消息间隔时间，并结合了训练有素的判别网络的评分。最后，LOB-Bench包含了“市场影响指标”，即数据中特定事件的交叉相关性和价格响应函数。我们对生成式自回归状态空间模型、（C）GAN以及参数化LOB模型进行了基准测试，发现自回归生成式人工 ………………………………