Newest papers

StochLOB: Heavy-Tailed Score Matching for Robust Limit Order Book Trend Prediction

Arshia Abolghasemi, Seyed Reza Tavakoli, Parsa Naderi, Nazanin Mirzaei, Behrad Jahani, Saba Yousefzadeh, Tahereh Javaheri, Mohammad Hosein Rohban · 2026 · arXiv

DOI: 10.48550/arXiv.2610.21081 · open-access PDF

Hindi

स्कोर-आधारित प्रसारण विधियां आमतौर पर ब्राउनियन गॉसियन शोर के साथ डेटा को परेशान करती हैं, जो एक हल्के रीढ़ से आगे स्टोचैस्टिक डिफेंस इक्विटी (एसडीई) के अनुरूप होती है। बाजार समय श्रृंखला के लिए यह एसडीई एक खराब अवलोकन हो सकती है: सीमा आदेश किताब (एलओबी) आदेश प्रवाह भारी रीढ़, विस्फोट, और कभी-कभी कूद-जैसे होता है। हम स्टोचलोब का अध्ययन करते हैं, एक प्रशिक्षण-केवल स्कोर-मैचिंग फ्रेमवर्क जो आगे प्रसारण भ्रष्टाचार कानून को बदलता है, जबकि तैनात निर्धारक निर्धारित करता है। ब्राउनियन-केवल गॉसियन भ्र

Machine translation (Meta M2M100); the English original follows.

Abstract

Score-based diffusion methods usually perturb data with Brownian Gaussian noise, corresponding to a light-tailed forward stochastic differential equation (SDE). For market time series this SDE can be a poor abstraction: limit order book (LOB) order flow is heavy-tailed, bursty, and occasionally jump-like. We study STOCHLOB, a training-only score-matching framework that changes the forward diffusion corruption law while leaving the deployed predictor deterministic. Instead of Brownian-only Gaussian corruption, the noising process uses two non-Gaussian SDE-inspired alternatives: jump-Lévy noise

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange