DiffLOB：リミットオーダーブックにおける反実仮想生成のための拡散モデル

TL;DR（結論）

リミットオーダーブック（LOB）の動態を制御可能かつ反実仮想的に生成するため、将来の市場レジーム（トレンド、ボラティリティ、流動性、注文フローの不均衡）を条件付け変数として取り入れた新しい拡散モデル「DiffLOB」が提案されました。 このモデルは、WavenetベースのバックボーンにControlNetに着想を得た制御モジュールとFiLM変調を組み合わせることで、過去の履歴と特定の将来条件に基づいた高精度な市場軌跡のシミュレーションを可能にし、既存の生成モデルを上回る再現性を実現しています。 検証の結果、生成された反実仮想的なデータは、極端な市場条件下における将来レジームの予測タスクにおいて、実データを補完する学習データとして機能し、予測精度の向上に寄与することが実証されました。

なぜこの問題か

現代の金融市場は、リミットオーダーブック（LOB）上で動作する自動取引システムによって駆動されています。LOBは、市場参加者の買い注文と売り注文を価格と数量の優先順位に基づいて管理するキューのような構造を持っており、その微細な変化が市場全体の動向に大きな影響を与えます。そのため、市場の監視や取引戦略の設計、ストレス・テストにおいては、市場が平均的にどのように振る舞うかを予測するだけでなく、「もし将来の市場条件がこうなったら、LOBはどう変化するか」という仮想的なシナリオをシミュレーションする能力が極めて重要となります。トレンド、流動性、ボラティリティ、あるいは注文フローのバランスにおける小さな変化が、劇的に異なる市場の結果を招く可能性があるためです。 しかし、既存のLOBモデリング手法には大きな限界が存在します。従来の教師あり学習による予測モデルは、中間価格の収益率などの特定の変数を予測することに特化しており、市場全体の軌跡を生成することはできません。また、近年の生成モデル（GANやVAEなど）は、過去のデータに基づいた現実的なサンプルを生成することには長けていますが、基本的には受動的なモデルです。…

核心：何を提案したのか

本研究では、LOBの軌跡を制御可能かつ反実仮想的に生成するためのフレームワークとして「DiffLOB」を提案しています。このモデルの最大の特徴は、生成プロセスにおいて将来の市場レジームを明示的な条件として取り入れている点にあります。具体的には、トレンド、ボラティリティ、流動性、注文フローの不均衡という4つの主要な指標を制御変数として定義し、これらをモデルに注入することで、「もし将来の市場レジームがYではなくXであったなら、LOBはどう進化するか」という反実仮想的な問いに直接答えることを可能にしました。…

続きはログイン/プランで閲覧できます。