Jane Street: диффузия не справляется с рыночными данными из-за их дискретности
Can you use autoregressive diffusion to generate market data?
Стажёр Jane Street Kavish построил авторегрессионную диффузионную модель для генерации событий рынка. Оказалось, что DDPM расходится, а flow matching работает лучше. Но главная проблема — рыночные данные сочетают непрерывность и дискретность: цены и время имеют резкие пики. Kavish применил «сглаживание атомов» и 20-классовую категориальную голову. Модель пока не идеальна, но проясняет ключевые компромиссы.
Полностью непрерывная диффузия не подходила для изрезанности реальных рыночных данных.
- armcat
Настоящая история здесь — это прекрасное изложение применения диффузионных моделей к данным временных рядов, которые не являются ни дискретными, ни непрерывными. Всегда увлекательно видеть, как диффузионные модели применяются в разных сценариях, то же самое с диффузионными языковыми моделями.
- stult
Не существует модели рынка, которая могла бы оставаться стабильно точной, потому что рынок неизбежно впитает идеи любой точной модели, пока эти идеи не перестанут быть точными.
- arjie
Замечательная стажировка. И довольно плотное описание. Всё информативно.
Забавная степень детализации, хотя понятно, что она нацелена на будущих стажёров. Почему вы ожидаете, что интервал между приходами заявок будет нормальным? Наверняка приход одной заявки как бы повышает вероятность других, в стиле Хоукса. Полагаю, это милый трюк, чтобы заставить студентов говорить.
Стажёры Jane Street, как всегда, впечатляют.