Jane Street piyasa verisi üretimi için otoregresif difüzyon modelini test etti

Jane Street bünyesinde yürütülen bir araştırma projesinde, finansal piyasa verilerini olay düzeyinde üretmek amacıyla otoregresif difüzyon modellerinin uygulanabilirliği incelendi. Araştırmacı Kavish, ABD hisse senedi piyasalarına ait dört yıllık veriyi kullanarak fiyat, zaman damgası ve işlem türü gibi bilgileri sentezleyen bir model geliştirdi. Çalışmada, geleneksel fiyat tahmini yerine emir defterine gelen yeni emirlerin zamanlamasını ve büyüklüğünü doğrudan simüle eden üretken bir mimari kuruldu.

Araştırma sürecinde standart difüzyon modeli DDPM'in yüksek gürültü seviyelerinde kararsızlık gösterdiği ve değerlerin ortalamadan sekiz standart sapma uzaklaşarak saptığı gözlemlendi. Bu sorunu aşmak için doğrusal enterpolasyon yapan akış eşleme (flow matching) yöntemine geçildi. Ancak piyasa verisinin ani süreksizlikler ve sıfır saniye gecikme gibi yoğunlaşmış noktalar içermesi, tamamen sürekli difüzyon modellerinin doğrudan uygulanmasını zorlaştırdı. Bu engeli aşmak adına belirli özellikler kategorik sınıflara ayrıldı ve ardından sivri dağılımları yumuşatan özel bir teknik geliştirildi.

Modelin ürettiği veriler, 10 bin 240 gerçek olaylık bağlam penceresi üzerinden değerlendirildi ve sentetik olayları ayırt etmek için ayrı bir sınıflandırıcı eğitildi. Sentetik tahminlerin uzun vadeli projeksiyonlarda dağılma gösterdiği ve yayılma aralıklarının açıldığı belirtildi. Model henüz tam anlamıyla gerçekçi bir piyasa simülatörü seviyesine ulaşmasa da piyasa verilerinin hem kesikli hem sürekli doğasını birleştiren hibrit mimarilerin temel dinamiklerini ortaya koydu.