股票价格跳跃到达的预测：利用限价订单簿数据的新基于注意力的网络架构
摘要：使用限价单簿数据可以预测股票市场短期价格变动。本文提出了一种基于卷积长短期记忆与注意力的新型神经网络架构，用于利用高频限价单簿数据预测股票市场中的收益跳跃到达。该新架构基于时间序列表示学习与记忆，并通过注意力机制将预测焦点集中在最重要的特征上，以提高性能。数据集包括美国五只流动性资金的限价单簿数据。注意力机制的运用能够分析限价单簿数据和其他输入变量的重要性。通过使用该机制，我们提供证据表明，在收益跳跃的预测中，使用限价单簿数据可以明显或稍微地改善所提出模型的性能，具体取决于所涉及的股票。这表明，限价单簿市场的路径依赖性是一种特定股票的特征。此外，我们发现，具有注意力机制的所提出方法优于多层感知机网络、卷积神经网络和长短期记忆模型。
作者：Ymir M"akinen, Juho Kanniainen, Moncef Gabbouj, Alexandros Iosifidis
论文ID：1810.10845
分类：Trading and Market Microstructure
分类简称：q-fin.TR
提交时间：2021-09-17