LOB-ID: Evaluating Synthetic Market Data by Inception Distances
创建于 更新于
摘要
本文提出面向限价订单簿数据的LOB-ID评估框架，以DeepLOB学习Level-2订单簿轨迹的96维嵌入，并结合FID与MIND衡量真实数据和生成数据的分布差异。研究表明，MIND能够稳定区分不同股票与交易日，随价格、时间结构扰动增强而单调上升，并且相较FID和基于统计量的LOB-Bench更能识别矩匹配及深度订单簿重排攻击。对五类生成模型的比较显示，无未来信息条件下的DiffLOB整体表现最佳，LOB-ID的模型排序与其捕捉的时间及跨价位联合结构相一致。[page::0][page::1][page::3][page::4][page::5][page::6]
