La difusión totalmente continua falla con los datos de mercado irregulares
Can you use autoregressive diffusion to generate market data?
Un becario de Jane Street exploró si la difusión autorregresiva puede generar datos de mercado realistas. Con cuatro años de datos de acciones de EE. UU., construyó un modelo generativo a nivel de evento con flow matching. Descubrió que la difusión totalmente continua no se adapta a la irregularidad de los datos de mercado, y que el suavizado de átomos mejora las muestras. El modelo aún no es lo bastante preciso, pero aclaró qué compensaciones importan.
El resultado principal fue que la difusión totalmente continua no se prestaba a la irregularidad de los datos de mercado reales.
- armcat
La verdadera historia aquí es esta maravillosa exposición sobre la aplicación de modelos de difusión a datos de series temporales que no son ni discretos ni continuos. Siempre es fascinante ver modelos de difusión aplicados en diferentes escenarios, igual que con los modelos de lenguaje de difusión.
- stult
No existe ningún modelo del mercado que pueda mantenerse establemente preciso porque el mercado inevitablemente incorporará las ideas de cualquier modelo que sea preciso hasta que esas ideas dejen de ser precisas.
- arjie
Prácticas notablemente impresionantes. El artículo también es bastante denso. Todo es informativo.
El grado de detalle es divertido, aunque tiene sentido que esté dirigido a futuros becarios. ¿Por qué esperarías que el tiempo entre llegadas de pedidos sea normal? Seguramente la llegada de un pedido aumenta un poco la probabilidad de otros, al estilo Hawkes. Supongo que es un pequeño truco para que los estudiantes hablen.
Los becarios de Jane Street impresionantes como siempre.