UQ-LOB: Uncertainty-Aware Limit Order Book Mid-Price Forecasting

{"tags": ["UQ-LOB", "Limit Order Book", "Uncertainty Quantification", "Algorithmic Trading", "Selective Prediction", "Quantitative Finance", "Attentive Neural Processes", "Cryptocurrency"], "risks": ["Chi phí tính toán và độ trễ (latency) tăng thêm do cơ chế attention trên các cửa sổ ngữ cảnh, có thể ảnh hưởng đến các hệ thống HFT yêu cầu độ trễ micro-giây.", "Thực nghiệm mới giới hạn trên 7 tài sản tiền mã hóa, cần kiểm chứng tính tổng quát hóa trên thị trường tài chính truyền thống (cổ phiếu, hợp đồng tương lai).", "Rủi ro khi thị trường thay đổi trạng thái đột ngột (regime shift), khiến ngữ cảnh các cửa sổ vừa diễn ra mất tính đại diện cho tương lai ngắn hạn."], "category": "Research", "entities": ["UQ-LOB", "Limit Order Book (LOB)", "Attentive Neural Processes"], "summary_vi": "UQ-LOB là mô-đun định lượng độ bất định (uncertainty quantification) gọn nhẹ và độc lập kiến trúc (encoder-agnostic), có thể gắn vào bất kỳ bộ mã hóa Limit Order Book (LOB) đã huấn luyện trước nào trong giao dịch thuật toán. Lấy cảm hứng từ attentive neural processes, UQ-LOB điều kiện hóa dự báo dựa trên tập ngữ cảnh gồm các cửa sổ vừa hoàn thành đã biết kết quả thực tế. Mô-đun hỗ trợ hai biến thể: UQ-regression (xuất phân phối Gauss chuẩn hóa qua độ dịch chuyển tick, sử dụng SNR dự đoán làm độ tin cậy) và UQ-classification (xuất phân phối xác suất phân loại 3 trạng thái down/up/stationary). Thử nghiệm trên 5,2 tỷ sự kiện LOB thuộc 7 tài sản crypto ở các khung 5s, 10s và 15s cho thấy UQ-regression đạt độ bao phủ khoảng tin cậy xấp xỉ 68%. Khi chỉ giữ lại 10% dự đoán có độ tin cậy cao nhất, chỉ số macro F1 định hướng tăng 0,11–0,15 (regression) và 0,05–0,11 (classification), đạt F1 tới 0,88 (chiều giảm) và 0,83 (chiều tăng) ở khung 5s đối với các bước dịch chuyển giá lớn.", "key_changes": ["Giới thiệu UQ-LOB: mô-đun định lượng độ bất định (UQ) gọn nhẹ, độc lập kiến trúc (encoder-agnostic), tích hợp trực tiếp vào mọi bộ mã hóa LOB pretrained.", "Ứng dụng nguyên lý attentive neural processes để điều kiện hóa dự báo dựa trên tập ngữ cảnh các cửa sổ giao dịch vừa diễn ra đã có kết quả.", "Cung cấp hai biến thể đầu ra: UQ-regression (phân phối Gauss chuẩn hóa về dịch chuyển tick) và UQ-classification (phân phối xác suất 3 trạng thái down/up/stationary).", "Trích xuất chỉ số độ tin cậy vô hướng (predicted SNR hoặc xác suất phân lớp) hỗ trợ cơ chế dự đoán chọn lọc (selective prediction).", "Thử nghiệm trên 5,2 tỷ sự kiện LOB qua 7 tài sản tiền mã hóa (các khung 5s, 10s, 15s): đạt độ bao phủ khoảng tin cậy xấp xỉ mức danh định 68%; lọc top 10% tự tin nhất giúp tăng macro F1 thêm 0,11–0,15 (regression) và 0,05–0,11 (classification); đạt F1 tới 0,88 (down) và 0,83 (up) cho các biến động giá lớn ở khung 5s."], "sub_category": "Quantitative Finance", "novelty_score": 80, "business_score": 84, "research_score": 88, "why_it_matters": "Hầu hết các mô hình deep learning dự báo sổ lệnh (LOB) hiện nay chỉ đưa ra dự đoán điểm (point predictor) mà không có mức độ tin cậy, khiến hệ thống dễ giao dịch sai trong các giai đoạn thị trường nhiễu. UQ-LOB giải quyết vấn đề này bằng giải pháp định lượng độ bất định plug-and-play, cho phép áp dụng dự đoán chọn lọc (selective prediction). Điều này mang lại giá trị kinh tế trực tiếp cho các quỹ định lượng và nhà phát triển hệ thống giao dịch thông qua việc tối ưu tỷ lệ Sharpe, hạn chế drawdown và cải thiện độ chuẩn xác khi nắm bắt các biến động giá lớn.", "developer_score": 76, "importance_score": 80, "possible_use_cases": ["Tích hợp vào bot và thuật toán giao dịch HFT để lọc tín hiệu, chỉ thực hiện lệnh khi độ tin cậy đạt ngưỡng an toàn (selective prediction).", "Định quy mô vị thế động (position sizing) và quản trị rủi ro tự động dựa trên tỷ lệ tín hiệu trên nhiễu (SNR) dự đoán.", "Nâng cấp các mô hình deep learning LOB dạng point predictor sẵn có thành mô hình nhận biết độ bất định mà không cần đào tạo lại từ đầu.", "Nắm bắt các pha biến động giá lớn (economically meaningful moves) trong khung thời gian 5-15 giây với độ chính xác cao."], "actionability_score": 75}