यह शोधपत्र उच्च-आवृत्ति ऑर्डर बुक (एलओबी) गतिकी के जनरेटिव मॉडलिंग की चुनौतीपूर्ण समस्या का समाधान करने के लिए एक नवीन जनरेटिव मॉडल, बाइटजेन, प्रस्तुत करता है। मौजूदा दृष्टिकोण सरलीकृत संभाव्य मान्यताओं पर निर्भरता के कारण सीमाओं से ग्रस्त हैं, या, ट्रांसफॉर्मर जैसे आधुनिक गहन शिक्षण मॉडलों के मामले में, टोकनीकरण तकनीकें जो डेटा के उच्च-परिशुद्धता संख्यात्मक गुणों को प्रभावित करती हैं। बाइटजेन एलओबी घटनाओं की कच्ची बाइट स्ट्रीम को सीधे संसाधित करके इन सीमाओं को पार करता है। सूचना हानि के बिना बाज़ार संदेशों का प्रतिनिधित्व करने के लिए, हम एक 32-बाइट संपीड़ित बाइनरी प्रारूप डिज़ाइन करते हैं और एक ऑटोरिग्रैसिव नेक्स्ट-बाइट भविष्यवाणी कार्य के साथ समस्या का समाधान करते हैं। फ़ीचर इंजीनियरिंग और टोकनीकरण को पूरी तरह से समाप्त करके, हम एक बुनियादी प्रतिनिधित्व से बाज़ार की गतिशीलता सीखते हैं। एच-नेट आर्किटेक्चर को लागू करके, हम पूर्वनिर्धारित नियमों के बिना बाज़ार संदेशों की अंतर्निहित संरचना की खोज के लिए एक गतिशील चंकिंग तंत्र का उपयोग करते हैं। सीएमई बिटकॉइन फ्यूचर्स से 34 मिलियन से अधिक घटनाओं पर प्रशिक्षण द्वारा, हम यथार्थवादी मूल्य वितरण, हेवी-टेल रिटर्न और बर्स्ट इवेंट टाइमिंग सहित वित्तीय बाजारों की प्रमुख विशेषताओं को सफलतापूर्वक पुन: प्रस्तुत करते हैं।
