微软刚刚开源了MarS：金融市场预测的新里程碑

标签：微软 self 用户 订单 开源 MarS trans match

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：各位读者朋友们，今天我要介绍的是微软最新开源的金融市场预测模型——MarS。这款模型利用真实历史订单数据训练，能模拟出极为逼真的金融市场环境。不仅预测准确率远超传统模型，还能让用户自定义场景测试交易策略。无论你是金融从业者还是对市场趋势感兴趣的朋友，这个项目都将为你带来全新的视角和启发。

一、什么是MarS

MarS（Market Simulation）是微软研究院开发的一款金融市场模拟引擎，由生成式大型市场模型（Large Market Model, LMM）提供支持。在市场趋势预测方面，MarS的表现明显优于传统的直接预测模型，充分展现了其对市场动态的深入洞察。在预测准确率方面，MarS相较于传统模型（例如DeepLOB）具有明显优势。视频介绍如下：

<iframe allowfullscreen="true" data-mediaembed="csdn" frameborder="0" id="T5BQ6u7k-1734841239940" src="https://live.csdn.net/v/embed/440068"></iframe>

微软开源了一款金融市场预测模型：MarS

用户可通过注入特定订单或设定目标场景来操控模拟过程，进而分析特定情境下的市场反应。

此外，MarS还提供了互动式的测试环境，方便用户在此环境中尝试不同的交易策略，并观察其市场效应。

二、总体架构

总体架构设计如下图：

Env 是一个类似gym的接口。下面是如何使用 env 和噪声代理生成订单的示例：

agent = NoiseAgent(
symbol=symbol,
init_price=100000,
interval_seconds=1,
start_time=start_time,
end_time=end_time,
)
env = Env(exchange, description="Noise agent simulation")
env.register_agent(agent)
env.push_events(create_exchange_events(config))
for observation in env.env():
action = observation.agent.get_action(observation)
env.step(action)

States 会随着每笔交易信息自动更新，包括订单、交易和订单簿快照，即使在支持延迟状态的环境中，状态在其生命周期内也由代理和零拷贝共享。创建新状态非常简单。以下是创建包含所有交易的状态的示例：

class TransState(State):
    def __init__(self) -> None:
        super().__init__()
        self.transactons: List[Transaction] = []

    def on_trading(self, trade_info: TradeInfo):
        super().on_trading(trade_info)
        self.transactons.extend(trade_info.transactions)

    def on_open(self, cancel_transactions: List[Transaction], lob_snapshot: LobSnapshot, match_trans: Optional[Transaction] = None):
        super().on_open(cancel_transactions=cancel_transactions, lob_snapshot=lob_snapshot, match_trans=match_trans)
        self.transactons.extend(cancel_transactions)
        if match_trans:
            self.transactons.append(match_trans)

    def on_close(self, close_orderbook: Orderbook, lob_snapshot: LobSnapshot, match_trans: Optional[Transaction] = None):
        super().on_close(match_trans=match_trans, close_orderbook=close_orderbook, lob_snapshot=lob_snapshot)
        if match_trans:
            self.transactons.append(match_trans)

三、主要功能

MarS的功能应用范围广泛，涵盖了市场趋势预测、异常检测系统、市场影响分析以及作为强化学习环境等多个领域。

2.1 市场模拟

MarS能够生成与真实市场相似的订单序列，帮助用户进行市场趋势预测和异常检测。

精细化市场动态建模：

• 基于交易订单和限价订单簿（LOB），通过订单序列和批次序列建模，再现高分辨率市场动态。
• 使用真实历史数据进行训练，能够生成逼真的市场轨迹，匹配历史市场的“风格化事实”（如波动聚集和收益无自相关性）。

仿真精确性：

模拟的市场数据在统计特性上与真实市场高度一致，适用于预测和分析。

2.2 订单生成

用户可以通过特定的订单或描述目标场景，控制模拟过程，以分析特定条件下的市场行为。

多样化场景模拟：

• 能够根据用户定义的条件（如价格波动或交易量变化）生成指定的市场情景。
• 支持基于模糊描述（如“价格波动”或“低波动性压缩”）生成具体的控制信号。

动态条件支持：

使用历史或实时市场数据作为初始条件，结合用户输入的交易命令和匹配规则，生成未来的市场行为。

生成目标控制：

通过迭代优化，在保持真实市场影响的前提下，实现对目标市场情景的精准控制。

2.3 交互平台

MarS提供一个交互式环境，用户可以在其中测试不同的交易策略，观察其市场影响，并训练强化学习代理。

实时交互功能：

• 用户可以直接与仿真市场交互，提交交易订单，观察市场对交易行为的即时响应。
• 支持模拟复杂的市场影响，包括一级和二级市场效应。

强化学习支持：

• 提供一个逼真且可交互的环境，用于训练和优化交易策略。
• 特别适用于开发强化学习代理，评估交易行为对市场的影响。

MarS 项目开源地址：https://github.com/microsoft/MarS/

四、观点总结

MarS 是一个由生成式基础模型驱动的金融市场模拟引擎，旨在提供现实、互动且可控的订单生成。该项目展示了LMM在金融市场中的扩展规律，并通过多种下游应用展示了其巨大潜力。

• MarS 是由生成式基础模型驱动的金融市场模拟引擎；
• 环境（Env）是类似gym的接口，用于生成订单和定义代理。
• 状态（States）自动更新的代理可用信息，包括订单、交易和订单簿快照。
• MarS能够生成与真实市场相似的订单序列，帮助用户进行市场趋势预测和异常检测。
• 用户可以通过特定的订单或描述目标场景，控制模拟过程，以分析特定条件下的市场行为。
• MarS提供一个交互式环境，用户可以在其中测试不同的交易策略，观察其市场影响，并训练强化学习代理。
• 用户需自行准备代理并评估模型风险，模拟引擎不替代金融专业人士的角色。

感谢您阅读到最后，希望本文能给您带来新的收获。码字不易，请帮我点赞、分享。祝您投资顺利！如果对文中的内容有任何疑问，请给我留言，必复。

---

本文内容仅限技术探讨和学习，不构成任何投资建议

标签：微软,self,用户,订单,开源,MarS,trans,match
From： https://blog.csdn.net/weixin_70955880/article/details/144644377