[论文解读] Get Real: Realism Metrics for Robust Limit Order Book Market Simulations

Svitlana Vyetrenko, David R. Byrd+5 more|arXiv (Cornell University)|Dec 10, 2019

Complex Systems and Time Series Analysis参考文献 46被引用 8

一句话总结

本文引入了一套全面的现实性度量指标，用于评估限价单簿（LOB）市场仿真，将其应用于真实市场数据及两种基于ABIDES的仿真配置。结果表明，即使是最先进的仿真系统也未能完全复现关键的市场特征，如波动率聚集、量价相关性以及日内模式，凸显了引入具备学习能力的交易主体以提升仿真保真度的必要性。

ABSTRACT

Machine learning (especially reinforcement learning) methods for trading are increasingly reliant on simulation for agent training and testing. Furthermore, simulation is important for validation of hand-coded trading strategies and for testing hypotheses about market structure. A challenge, however, concerns the robustness of policies validated in simulation because the simulations lack fidelity. In fact, researchers have shown that many market simulation approaches fail to reproduce statistics and stylized facts seen in real markets. As a step towards addressing this we surveyed the literature to collect a set of reference metrics and applied them to real market data and simulation output. Our paper provides a comprehensive catalog of these metrics including mathematical formulations where appropriate. Our results show that there are still significant discrepancies between simulated markets and real ones. However, this work serves as a benchmark against which we can measure future improvement.

研究动机与目标

• 为解决当前用于训练和验证交易代理的限价单簿（LOB）市场仿真缺乏保真度的问题。
• 识别并整理真实金融市场的关键典型事实，这些事实是仿真系统应再现的内容。
• 利用源自真实市场数据的实证度量，评估两种基于ABIDES的仿真配置的现实性。
• 将仿真性能与真实市场统计数据进行基准对比，识别持续存在的偏差。
• 倡导在仿真中集成在线学习代理，以更好地复现诸如羊群效应和波动率聚集等复杂市场行为。

提出的方法

• 作者从真实LOB数据中整理出15项实证观察到的典型事实，包括重尾收益、波动率聚集以及日内成交量模式等。
• 将这些度量应用于真实市场数据（2019年6月纳斯达克JPM股票）以及两种ABIDES仿真配置：一种仅包含零智能（ZI）代理，另一种在ZI代理基础上增加了少量策略性代理。
• 采用统计检验比较仿真与真实数据的分布，包括Kolmogorov-Smirnov检验以评估分布相似性，以及自相关分析以检验时间依赖性。
• 度量内容包括对数收益分布、收益与平方收益的自相关性、量价相关性、订单到达间隔时间以及日内成交量分布。
• 仿真在多个时间尺度（1分钟与10分钟间隔）下进行评估，统计特性通过核密度估计与曲线拟合（如伽马分布与威布尔分布）进行分析。
• 研究采用重采样技术，以确保仿真数据与真实数据之间具有稳健的统计可比性。

实验结果

研究问题

• RQ1 现有LOB仿真在多大程度上复现了真实金融市场的统计特性？
• RQ2 哪些典型事实——如重尾性、波动率聚集和日内模式——在当前仿真框架中复现效果最差？
• RQ3 在代理群体中引入最少程度的战略行为，相较于纯ZI代理，如何影响仿真的现实性？
• RQ4 学习能力代理在复现复杂市场动态（如羊群效应与长程依赖）方面发挥何种作用？
• RQ5 能否建立一套标准化的度量指标，作为未来LOB仿真环境评估与改进的基准？

主要发现

• rmsc01配置（混合代理类型）在收益分布形态与平方收益自相关性方面，比纯ZI的sparse_zi_100配置更接近真实市场统计数据。
• 两种仿真均未能复现真实市场数据中在滞后1处的收益自相关性为零的显著特征，这是真实市场中的一个关键典型事实。
• rmsc01仿真中订单到达间隔时间主要集中于接近零的值，导致与真实市场中描述间隔时间的威布尔分布拟合效果差。
• rmsc01中的日内成交量模式在开盘与收盘时段活动减少，与真实数据中典型的U型分布相反。
• 仿真中的量价相关性较真实市场而言偏平滑且波动性不足，表明市场微观结构动态的复现程度不足。
• 研究证实，重尾性与聚合正态性部分得到复现，其中rmsc01比sparse_zi_100更接近历史数据。