Применимость больших языковых моделей для принятия решений о наилучшем исполнении ордеров на финансовых рынках

Выполнила: Парамонова Анна Дмитриевна

Рассматривается задача оптимального исполнения, в которой трейдеры исполняют крупные ордера, минимизируя воздействие на рынок. Ликвидность играет ключевую роль в этой задаче и часто моделируется через убывающее со временем воздействие на цену. Исследования показывают, что новостные потоки существенно влияют на ликвидность, однако это практически не используется в существующих решениях. Мы предлагаем модель, в которой коэффициент временного воздействия на цену следует Марковской цепи с переключением новостных режимов, которые предсказываются с помощью больших языковых моделей. Оптимальная стратегия выводится в замкнутом виде с использованием рекурсии Беллмана. Модель тестируется на данных L2 книги заявок BTC–USDT и агрегированном новостном датасете. Эмпирические результаты показывают, что ChatGPT-4o формирует более плавные переходы между режимами, тогда как DeepSeek-V3.2 переоценивает влиятельность новостей. Предложенная стратегия превосходит базовый TWAP на 1–3 базисных пункта при плавной динамике режимов и на независимой сетке новостей, основанной на дисбалансе ордеров. Однако стратегия демонстрирует худшее качество при частом переключении режимов.

Презентация (Парамонова) (PPTX, 1,60 Мб)