딥 러닝 옵션 가격 움직임

가격-거래량 정보가 미래 가격 움직임을 어떻게 결정하는지 이해하는 것은 자주 매수 및 매도 양쪽에서 주문을 하는 시장 조성자에게 중요하며, 거래자들이 가격 영향을 줄이기 위해 메타 주문을 분할하는 데도 필요하다. 문제의 복잡한 비선형 특성을 감안할 때, 우리는 기계 학습 도구를 사용하여 옵션 주문서의 중간 가격 움직임 방향 예측을 고려한다. 이러한 도구의 옵션 시장에서의 적용 가능성은 현재 결여되어 있다. 중국 시장의 상장지수펀드에 대한 intraday 틱 레벨 데이터 세트에서, 우리는 결정 트리, 랜덤 포레스트, 로지스틱 회귀, 롱-쇼트 메모리 신경망 등 다양한 기계 학습 방법을 적용한다. 기계 학습 모델이 더욱 복잡해짐에 따라, 입력 특징에서 더 깊은 숨겨진 관계를 추출할 수 있으며, 이는 고전적인 시장 미세구조 모델이 다루기 어려운 부분이다. 우리는 가격 움직임이 예측 가능하다는 것을 발견하였고, 시간 지연 특징을 가진 심층 신경망이 다른 모든 단순 모델보다 더 우수한 성능을 보이며, 이 능력은 자산 전반에 보편적이고 공유된다. 해석 가능한 모델 비독립 도구를 사용하여, 예측에 가장 중요한 첫 두 레벨 특징이 가장 중요하다는 것을 발견하였다. 이 기사의 결과는 연구자들과 실무자들이 더 정교한 모델을 탐구하고 더 관련성 있는 특징을 사용할 수 있도록 격려한다.