Предсказание цен для задачи маркет мэйкинга в криптовалюте

Возникновение криптовалют внесло новые динамики в финансовые рынки, требующие разработки продвинутых стратегий для маркет-мейкинга. Эта работа направлена на решение задачи построения оптимальной алгоритмической торговой стратегии для маркет-мейкинга в криптовалютах. Используя исторические данные с криптовалютных бирж, мы генерируем статистически значимые признаки, основанные на уравнениях Орнштейна-Уленбека, которые моделируют финансовый процесс формирования цен, включая тренд, склонность возврата к среднему, тенденции волатильности и коэффициент в броуновском движении. Дополнительные характеристики выводятся из информации о ликвидности в ордер-буке, такой как объемы на каждом уровне и дисбаланс заявок ордер-бука. Эти характеристики подаются в модель машинного обучения для прогнозирования новых позиций для лучших предложений покупки и продажи, что позволяет размещать ордера маркет-мейкера в ордер-буке. Последующий бэктест стратегии направлен на максимизацию PnL, а также исследует альтернативные подходы к созданию оптимальных стратегий маркет-мейкинга. Этот метод является комплексной попыткой применения статистических методов и технологий машинного обучения для увеличения доходности и улучшения эффективности маркет-мейкинга на нестабильном рынке криптовалют.