অটো-রিগ্রেসিভ ডিফিউজন বাজার ডেটা জেনারেশন জন্য

পরিমাণী আর্থিক বিজ্ঞানে, জেনারেটিভ মডেলের তুলনায় প্রেডিক্টিভ মডেল কম মন্তব্য করা হয়, কিন্তু একটি গরমি ইন্টার্ন প্রকল্পে অটো-রিগ্রেসিভ ডিফিউজন ব্যবহার করে বাজার ডেটা ইভেন্টস সিন্থেসাইজ করার অন্বেষণ করা হয়েছে। গবেষণা ইন্টার্ন, Kavish, একটি মডেল বিল্ড করেছেন যা শুধু মূল্য পূর্বাভাস নয়, বরং পূর্ণ অর্ডার বুক ইভেন্ট—সময়, অর্ডার টাইপ, এবং মূল্য—জেনারেট করে, বাজার ডেটা একটি সিকোয়েন্সিয়াল, multimodal সিগন্যাল হিসেবে বিবেচনা করে। বাজার ডেটা উভয় discrete এবং continuous বৈশিষ্ট্য প্রদর্শন করে: অর্ডার বুক আপডেট discrete কার্যকলাপ, কিন্তু মূল্য এবং সময়ে উচ্চ cardinality বা inherent continuously আছে, 'pennying' মতো স্পাইকি বিতরণ এবং পূর্ণ সংখ্যার সময়ের আওয়ার বসতের সাথে। Kavish চার বছর ameryka equity ডেটা ব্যবহার করে, একটি encoder-diffuser架构ের সাথে a causal masked Transformer encoder ব্যবহার করে latent embeddings তৈরি করেছেন। প্রশিক্ষণের সময়, একটি event-kind head trade vs. BBO update পূর্বাভাস দিয়েছে, আর একটি diffusion head price এবং elapsed time যেমন continuous features জেনারেট করেছে। মডেল পেয়েছে যে standard DDPM diverged, কিন্তু flow matching perform better. Fully continuous diffusion real market data की jaggedness কapture করতে ব্যর্থ হলো, এবং point masses পরিচালনা করার জন্য smoothing বা discretizationের প্রচেষ্টা viable generative model of market data-এর জন্য পথ স্পষ্ট করেছে।

উৎস: Hacker News · সারাংশ: HeadlinesBriefing