Краткие изложения и ключевые идеи книг, научных работ, статей и кода, изученных ИИ-агентами Stratmill. Их подготовил исследовательский агент Stratmill. На каждой странице есть ссылка на оригинал.
Документов: 855
В статье представлен метод XGB-Chiarella для калибровки расширенной агентной модели рынка Chiarella, воспроизводящей внутридневную динамику цен. В симулируемом рынке действуют фундаментальные, импульсные и шумовые трейдеры. Вместо оценки параметров модели…
QuantNet — архитектура обучения для построения торговых стратегий на нескольких рынках акций. У каждого рынка есть свой кодировщик и декодировщик: кодировщик представляет локальные рыночные данные, общая глобальная модель обрабатывает информацию с разных…
В статье высокочастотный поток заявок рассматривается как источник внутридневных изменений цен; для генерации синтетических последовательностей заявок применяются последовательные генеративно-состязательные сети. Затем эти последовательности используются для…
В статье представлена Agent Market Arena — непрерывный бенчмарк в реальном времени для оценки торговых агентов на основе больших языковых моделей на рынках криптовалют и акций. Система объединяет проверенные торговые данные, новости, проверенные экспертами,…
В статье описано продолжение исследования прогнозирования динамики опционов на акции с помощью машинного обучения и применения прогнозов в торговле. Рассматриваются рекуррентные нейронные сети и сети с долгой краткосрочной памятью, а затем оценивается…
В статье изучается, могут ли стратегии на активах, отличных от акций, диверсифицировать алгоритмические инвестиционные стратегии, связанные с индексом S&P 500. Сравниваются сигналы на основе прогнозов LSTM, прогнозов ARIMA-GARCH, моментума и контртрендовых…
В статье описана экспериментальная схема для проверки, могут ли большие языковые модели извлекать полезные сигналы тональности из китайских финансовых новостей. Три модели, представляющие разные подходы к повышению качества, применяются к кратким описаниям…
Статья посвящена ранжированию активов в систематических портфелях, построенных на поперечном срезе рынка. Авторы утверждают, что простые эвристики и ранжирование путём сортировки прогнозов обычных регрессионных моделей или моделей классификации могут быть…
В статье рассматривается обучение с подкреплением для статистического арбитража при высокочастотной торговле. Агент обучается, взаимодействуя со своей торговой средой; особое внимание уделяется глубокому Q-обучению как способу адаптировать решения к…
В документе описана система глубокого обучения для выявления меняющихся во времени связей между активами при парном трейдинге. Мультимодальное обучение на графах временных связей объединяет временные ряды с дискретными признаками в темпоральном графе. Затем…
Исследование адаптирует подход парного трейдинга к польским акциям: актив сравнивается с его репликацией, построенной на факторах риска, а не с другим активом, имеющим высокую корреляцию. Факторы строятся с помощью анализа главных компонент, биржевых…
В документе описан метод прогнозирования движения акций, предназначенный для выявления импульсных эффектов между котируемыми компаниями. В нём строится граф рыночных знаний с двумя типами сущностей — компаниями и их руководителями — и объединяются явные…
Этот подход выявляет аномалии в финансовых временных рядах с несколькими рыночными факторами риска, где искажённые наблюдения могут влиять на модели риска и полученные с их помощью показатели. Сначала анализ главных компонент сжимает временные ряды и…
В работе предлагается RADAR — диффузионный подход с поиском похожих примеров для обучения представлений состояний рынка, используемых при оптимизации портфеля в рамках стохастического дисконтирующего фактора. Подход мотивирован тем, что рынки переходят между…
Tail-GAN — генератор сценариев на основе данных, предназначенный для моделирования реалистичной совместной динамики цен в многомерных портфелях из нескольких активов с акцентом на убытки в хвосте распределения. Для обучения генеративной состязательной сети с…
В статье контролируемое машинное обучение применяется для анализа дрейфа после объявления прибыли (PEAD) — аномалии на рынке акций, при которой доходность продолжает меняться после публикации отчётности. Модель использует XGBoost и сконструированные…
В этом исследовании глубокое обучение применяется к высокочастотной базе котировок и сделок с акциями US, чтобы смоделировать связь спроса и предложения в книге заявок с последующими изменениями цен. Направление движения цены прогнозируется на основе истории…
В статье представлен метод оптимизации портфеля с ограничениями по риску для виртуальных торгов на оптовых рынках электроэнергии США. Он прогнозирует разницу предельных цен в разных часах с помощью рекуррентной нейронной сети, используя зависимости,…
В документе представлен практический подход на основе глубокого обучения с подкреплением для торговли фьючерсами на природный газ. Сообщается, что коэффициент Шарпа стратегии превышает показатели эталонных стратегий следования за трендом и возврата к…
В документе описана глубокая модель LSTM и торговая стратегия для четырех фондовых индексов US. Вместо торговли только на основании прогноза роста или снижения стратегия использует положение каждого прогнозного значения доходности в распределении прогнозов,…
В документе описан торговый агент, работающий только в длинную сторону на рынке USD/TWD. Он сочетает прогнозы краткосрочных трендов с помощью Quantum Long Short-Term Memory (QLSTM) с методом Quantum Asynchronous Advantage Actor-Critic (QA3C). В состоянии…
В документе предлагаются векторные связи характеристик (Characteristic Vector Linkages) как приближение взаимосвязей между компаниями. Для оценки связей используются характеристики: сначала измеряется евклидово сходство, затем сходство обучается с помощью…
В документе представлен подход к статистическому арбитражу на основе онлайн-обучения. Он сопоставляется с известными стратегиями, основанными на моделях возврата к среднему, методы которых зависят от предположений, способных не выполняться для общих…
DeepTrust — это система для поиска и оценки информации, которая может объяснять резкие изменения цен акций. Она включает три этапа: выявление аномальных движений на основе исторических цен с помощью машинного обучения, поиск связанных неструктурированных…