OrderFlowDiT: Transport-Regularized Diffusion Transformer for Probabilistic Limit-Order Supply Forecasting
Pubblicata su AIChronos il · fonte del · Jung Hun Phee, Tucker Balch
Lo studio introduce OrderFlowDiT, un Diffusion Transformer condizionale progettato per prevedere il volume degli ordini limite non normalizzati nelle aste di acquisto e vendita. Il modello utilizza una funzione di perdita ausiliaria basata sul trasporto ottimale sbilanciato (UOT) per catturare congiuntamente la posizione del prezzo, il volume totale e l'incertezza predittiva senza perdere informazioni tramite la normalizzazione dei campi. L'approccio supera i metodi tradizionali a errore quadratico medio riducendo significativamente il costo di trasporto completo e migliorando le metriche di calibrazione su 30 azioni statunitensi.
- OrderFlowDiT è un modello generativo che modella distribuzioni congiunte non normalizzate per volume bid/ask-at-price.
- L'uso del trasporto ottimale sbilanciato (UOT) preserva le informazioni sul volume totale e sulla geometria dei prezzi, a differenza delle perdite coordinate standard.
- Il framework di valutazione full-field combina costi di trasporto sensibili alla posizione con proper scoring rules per una verifica robusta dell'incertezza predittiva.
- L'integrazione del UOT riduce il costo di trasporto completo del 45.8% e l'energy score di trasporto del 26.1% rispetto al solo Mean Squared Error (MSE).
- Il metodo dimostra che incorporare la geometria dei prezzi nel modeling generativo migliora sia l'accuratezza del campo che la valutazione dell'incertezza.
Perché conta. Per gli sviluppatori di agenti AI e sistemi locali, questo approccio offre un paradigma per gestire distribuzioni complesse non normalizzate (come flussi di dati o stati ambientali) preservando informazioni strutturali critiche attraverso tecniche geometriche come il UOT. La capacità di modellare congiuntamente incertezza e volume è rilevante per costruire agenti che devono prendere decisioni robuste in ambienti dinamici con vincoli fisici o economici reali.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.