研究人员提出OrderFlowDiT扩散Transformer预测限价单供给
热点事件持续更新
研究人员提出OrderFlowDiT扩散Transformer预测限价单供给
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
Jung Hun Phee、Tucker Balch发布研究论文，提出采用非平衡最优传输（UOT）辅助损失训练的条件扩散Transformer模型OrderFlowDiT，用于基于当前订单簿与近期订单流，预测未来五分钟限价单提交量的条件分布。 在覆盖30只美股的1950个验证条件下，相比仅使用均方误差训练的模型，加入UOT辅助损失可将全字段传输成本降低45.8%，传输能量得分降低26.1%，且每只股票的两项指标均有提升。
AI 根据报道生成 · 9 小时前更新
最新进展10月19日 12:00
OrderFlowDiT：用于概率性限价单供给预测的传输正则化扩散Transformer报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv q-finOrderFlowDiT：用于概率性限价单供给预测的传输正则化扩散Transformer
研究人员提出OrderFlowDiT，这是一种采用非平衡最优传输（UOT）辅助损失训练的条件扩散Transformer，用于预测未来五分钟限价单提交量的条件分布。在覆盖30只美股的1950个验证条件下，相比仅使用均方误差训练，加入UOT可将全字段传输成本降低45.8%，传输能量得分降低26.1%，且每只股票的两项指标均有提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。