Rust in Everything
← 论文速递

LOB-Impact Benchmark: Emergent Market Impact in Generative Limit Order Book Models

George Nigmatulin, Valentin Mohl, Sascha Frey, Kang Li, Aramis Marti-Shahandeh, Mihai Cucuringu et al.

2026-10-29▲ 2arXiv 2610.27100v1Hugging Face代码

本页由 AI 根据论文全文生成（deepseek-flash），可能有误，请以原文为准。

一句话

注入元订单在五只股票上的五个神经 LOB 生成器中触发出可识别但过陡的冲击规律，且没有可信的执行后松弛；而回放与核基线则按设计表现。

要解决的问题

生成式 LOB 模型主要通过其与历史流的分布相似性来评估，而不是通过其对智能体自身订单的响应来评估。当此类模拟器被用作世界模型时，定价错误的冲击会训练出在仿真中最优、但在真实市场中错误的策略。现有基准仅在单个事件的尺度上度量反事实响应，并且没有将机械冲击与其他参与者的间接反应区分开。

方法

该基准将执行风格元订单注入消息级生成器，并评估三个阶段：自由生成、元订单注入和执行后松弛。输入为模型、股票、逐股票校准以及每个阶段每个方向的 n 次 rollout；注入计划、校准和估计器在任何模型运行之前固定。子订单规模为市价单规模中位数，间距遵循 eta=10% 参与率，通过 Delta_N=9/phi；日成交量用于归一化累计参与率；子订单数 N=100 预先固定。每次建仓注入都与一个仅模拟器盲式对照配对，并且买入和卖出实验通过反对称化合并。论文在五只 NASDAQ 股票上测试回放、参数化和五个神经生成器，使用 LOBSTER 2026 年 1 月校准，并通过 JAX-LOB 重建订单簿。

实验结果

  • 全部五个神经生成器在每只股票上都识别出一个规律；全部 25 个区间都排除 0.5，指数范围为 0.63 到 1.21。 §3.4
  • 在 AMD 上，分箱指数分别为 0.66、0.79、0.87、0.90 和 0.93，95% 按日聚类 bootstrap 区间为 ± 0.05 – 0.06；没有任何区间接近 0.5。 §3.2
  • 神经面板显示 Y=2.2–8.6，而经验值 Y≈0.5；一个 100 子订单的元订单使模拟价格变动 17–70 bps，而任何基线至多为 11 bps。 §3.2
  • 在全部 25 个神经单元中，可见峰值至少为盲式底线的 3×，其中 16 个超过 10×，支持 C3。 §3.2
  • 在 AMD 上，end-over-peak 读数分别为 1.19、1.15、1.16、1.36 和 0.88，执行后斜率分别为峰值的 +0.6、±0.0、+0.4、+3.7 和 -2.4% 每执行时长；没有神经单元通过 C5。 §3.3
  • LOB-Bench KS 排名与冲击排名之间的相关性不稳定：GOOG 上为 +0.54，MSFT 上为 -0.71（p=0.02）；MSFT 神经行内为 -0.90（p=0.08）。 §3.4

局限

  • 论文报告未观察到松弛期间的冲击衰减，并初步将此归因于上下文窗口仍然过短。
  • 4k 上下文变体未通过相同测试，但仍远短于一个元订单，因此该归因尚未被检验，而非被反驳。
  • EA 不在训练语料中；分布外结果并未摧毁该规律，但摧毁了其校准。
  • C3 背后的盲式分支仅针对神经面板运行，因此对基线的归因仍未检验。

要点

  • 现有分布型基准评估价差、成交量、到达间隔和不平衡分布，但对智能体自身订单的反事实响应视而不见。 §1
  • 该基准接收四个输入，并在运行任何模型之前固定注入计划、校准和估计器。 §2.1
  • 在自由生成中，真实 AMD 流具有 gamma_flow=1.66 和 H=0.54；没有生成器能同时保持这两项，且每个神经生成器都未通过 C1，漂移从 +9 到 -251 ticks。 §3.1
  • 历史回放未显示规律；神经面板以尖锐的 L2 失配极小值通过 C2，而回放核在 delta=0.73–0.81、Y=0.96–1.46 下被识别。 §3.2
  • 盲式对照将模型反应与订单簿机制分离，而可见与盲式之比将超额冲击归因于模型本身。 §3.2
  • 在 25 个神经单元中，相同的声明阶梯特征重复出现：C1 失败，C2 和 C3 通过，C4 和 C5 失败。 §3.4
  • 作者建议通过学习补货而非遗忘持续性来朝着经验 gamma_flow 和 H 训练，并将更长上下文和更大模型作为下一项测试。 §4

思维导图

mindmap
  root["LOB 冲击基准"]
    ["基准设计"]
      ["四个输入"]
      ["三个阶段"]
      ["配对对照"]
      ["声明阶梯 C1 到 C5"]
    ["测试模型"]
      ["回放基线"]
      ["参数化基线"]
      ["五个神经生成器"]
    ["逐股票校准"]
      ["子订单规模中位数"]
      ["间距由 eta=10% 决定"]
      ["日成交量归一化器"]
      ["子订单数 N=100"]
    ["测量结果"]
      ["识别出冲击规律"]
      ["指数高于 0.5"]
      ["幅度过高"]
      ["无可信松弛"]
    ["诊断"]
      ["补货不足"]
      ["上下文窗口过短"]
      ["漂移混杂 GDN 下降"]
    ["启示"]
      ["执行智能体面临风险"]
      ["学习补货而非消除持续性"]
      ["更长上下文作为下一测试"]