Trading and Market Microstructure,Machine Learning,Optimization and Control,Statistical Finance,Machine Learning,تجارت و ریزساختار بازار , یادگیری ماشین , بهینه سازی و کنترل , امور مالی آماری , یادگیری ماشین
توضیحات
Submitted 10 September, 2024; originally announced September 2024.
توضیحات به فارسی
ارسال شده 10 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
In this paper, we show how $K$-nearest neighbor ($K$-NN) resampling, an off-policy evaluation method proposed in \cite{giegrich2023k}, can be applied to simulate limit order book (LOB) markets and how it can be used to evaluate and calibrate trading strategies. Using historical LOB data, we demonstrate that our simulation method is capable of recreating realistic LOB dynamics and that synthetic trading within the simulation leads to a market impact in line with the corresponding literature. Compared to other statistical LOB simulation methods, our algorithm has theoretical convergence guarantees under general conditions, does not require optimization, is easy to implement and computationally efficient. Furthermore, we show that in a benchmark comparison our method outperforms a deep learning-based algorithm for several key statistics. In the context of a LOB with pro-rata type matching, we demonstrate how our algorithm can calibrate the size of limit orders for a liquidation strategy. Finally, we describe how $K$-NN resampling can be modified for choices of higher dimensional state spaces.
چکیده به فارسی (ترجمه ماشینی)
در این مقاله ، ما نشان می دهیم که چگونه $ $-nearest همسایه ($ k $ -nn) تغییر شکل مجدد ، یک روش ارزیابی خارج از سیاست که در \ cite {giegrich2023k} ارائه شده است ، می تواند برای شبیه سازی بازارهای محدوده سفارش (LOB) و چگونه می تواند اعمال شود.می توان از آن برای ارزیابی و کالیبراسیون استراتژی های معاملاتی استفاده کرد.با استفاده از داده های LOB تاریخی ، ما نشان می دهیم که روش شبیه سازی ما قادر به بازآفرینی پویایی LOB واقع گرایانه است و تجارت مصنوعی در این شبیه سازی منجر به تأثیر بازار در راستای ادبیات مربوطه می شود.در مقایسه با سایر روشهای شبیه سازی آماری LOB ، الگوریتم ما در شرایط کلی ضمانت های همگرایی نظری دارد ، نیازی به بهینه سازی ندارد ، اجرای آن آسان و از نظر محاسباتی کارآمد است.علاوه بر این ، ما نشان می دهیم که در یک مقایسه معیار روش ما از یک الگوریتم عمیق مبتنی بر یادگیری برای چندین آمار کلیدی بهتر است.در زمینه LOB با تطبیق نوع طرفدار ، ما نشان می دهیم که چگونه الگوریتم ما می تواند اندازه سفارشات حد را برای یک استراتژی انحلال کالیبره کند.سرانجام ، ما توضیح می دهیم که چگونه می توان از $ $ $-NN برای انتخاب فضاهای حالت بالاتر ابعاد اصلاح کرد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
