Distance-based Loss functions for High-Frequency Trading

Read full text Summarise with VIRAT
Authors: Jonathan Rodríguez Barja
Cited by: 0
References: 49

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

El trading d’alta freqüència (HFT) és un camp d’interès i oportunitats creixents gràcies a la digitalització dels mercats borsaris tradicionals i a la creació de noves maneres d’accedir a informació de mercat, com ara el llibre d’ordres límit (LOB). En aquest nou i prometedor panorama de recerca, l’objectiu és predir tendències futures del mercat per poder-hi reaccionar tan ràpid com sigui possible. En HFT, executar una ordre només unes fraccions de segon abans pot suposar un gran avantatge, però no és una tasca senzilla a causa de l’enorme quantitat de dades que hem de processar i de la dificultat de predir aquestes tendències. L’aprenentatge profund (DL) ha demostrat ser una solució prometedora per a aquesta tasca, ja que pot descobrir tendències en les dades. S’han proposat molts models per predir les tendències del mercat, amb un rendiment relativament bo. Tanmateix, els models grans i potents són inútils si no es poden executar amb prou rapidesa, cosa que fa que moltes d’aquestes solucions siguin inacceptables. En aquest treball proposem noves maneres d’entrenar models més petits i més ràpids per millorar-ne el rendiment en la tasca en qüestió, basades en regressió ordinal (OR) i aprenentatge multitasca (MTL). Mostrem que aquests mètodes d’entrenament millorats tenen un efecte positiu en el rendiment dels models, la qual cosa és un resultat prometedor que pot confirmar la viabilitat d’aplicar l’aprenentatge profund al trading d’alta freqüència en el món real.

Fields of Study & Subjects

Stock Market Forecasting Methods Financial Markets and Investment Strategies Stochastic processes and financial applications

Publication details

Journal / source
UPCommons institutional repository (Universitat Politècnica de Catalunya)
Publication date
26 February 2026
Language
EN
Document type
Thesis