市場微觀結構
基於計算統計的限價訂單簿建模
有人知道嘗試使用 CS 工具（例如線上機器學習、博弈論等）而不是隨機過程來模擬限價訂單（和市場微觀結構）的出版物嗎？我知道Kearn (et al.)的工作
它們是不同的研究趨勢
- 基於代理的模型，你是對的：邁克爾是先驅
- 基於點過程的模型，我會說弗雷德里克的書是一個參考：Limit Order Books。
- 傳播者發起的模型，這裡是 Jean-Philippe 的作品和他最近的書，是必須閱讀的內容：交易、報價和價格。
- 基於馬爾可夫鏈的模型，由 Rama 和 Adrien 發起，然後由 Mathieu、Weibing 和 CA 完成，形成Queue Reactive 模型。見實踐中的市場微觀結構，第 2 版。
你可以猜到我偏愛最新的，但事實是它們都包含重要的組件，實際上很難在同一個模型中一起維護：
- 做市商與交易者的精細模擬（基於代理更好）
- 不同代理髮送的訂單的介觀耦合（通用點過程更好）
- 均值回歸和價格記憶（傳播者更好）
- 考慮訂單簿的目前狀態（Queue Reactive 更好）。
在所有情況下，它們都是有待解決的兩個謎團
- 您對逐筆流動性動態建模的越好，您解釋宏觀波動的可能性就越小，這可能是因為宏觀波動是由外生事件產生的，您無法逐筆讀取數據
- 宏觀市場影響的平方根性質本質上與您將在逐個報價級別獲得的結果兼容（例如，使用傳播器，為了簡單起見），但它們又不完全兼容。
如果您想玩深度神經網路，請查看 Justin Sirignano 的Deep Learning for Limit Order Books。
我想我可以為您提供一個遠未完成但良好的開始，這些研究人員已經嘗試在 LOB 建模中使用 ML/CS：Alvaro Cartea、Marcos Lopez de Prado、Sebastian Jaimungal、Dieter Hendricks、Brian Ning、Jean-Philippe Bouchaud（ mean-field games，不是 ML）、Rama Cont（過去只做數學建模，但最近嘗試深度學習來形成價格）等。