基于注意力机制的LOB理解、识别和预测

文章预览

本文介绍了一种先进的序列到序列模型，用于预测整个多级限价单簿（LOB），包括价格和交易量。核心贡献是提出了一种复合多变量嵌入方法，能够捕捉时空关系。实证结果表明，该方法在保持LOB结构的同时，实现了最低的预测误差，优于其他方法。 1. 引言 限价单簿（LOB）是记录特定金融工具所有未完成买卖订单的数字记录。它包含每个订单的价格和数量信息，以及订单放置的时间。LOB的动态性质要求快速处理和分析大量信息。LOB数据具有复杂的多变量时间序列结构，其中不同档位、类型和特征相互关联。准确捕捉每个属性的影响对LOB的有效预测建模至关重要。此外，时间序列预测的另一个挑战是数据的非平稳性。本文提出的方法通过复合多变量嵌入和注意力机制，解决了这些问题。 2. 数据 研究基于LOBSTER数据集，该数据集提供了苹果（AAPL）、 ………………………………