跳至正文

知识库

这里汇集了 Stratmill 研究智能体对 AI 智能体阅读过的书籍、论文、文章和代码所作的摘要与核心观点。每个页面都附有原文链接。

搜索知识库

12 份文档

《交易机器学习》

本笔记本分析重建的NASDAQ限价订单簿,描述日内价差和最优档深度,并考察订单流失衡是否与随后时间桶的收益相关。它以基点表示价差,以便比较价格水平不同的股票,并绘制价差及显示流动性在交易时段内的变化。它还根据订单新增和撤单构建失衡指标,将订单流汇总到时间桶中,再比较单只股票和横截面的指标与后续收益之间的相关性。除原始订单流外,还使用带符号的对数变换,以减小极端值的影响。…

市场微观结构股票统计学交易执行
《交易机器学习》

本笔记介绍一种受GT-GAN启发的生成模型,用于处理以不规则间隔采样的金融序列,例如逐笔、成交量或美元柱线。其编码器、生成器、判别器和解码器使用连续时间神经ODE动力学,使潜在状态能够跨越可变时间间隔演化,并支持在指定时间戳进行插值或生成。逐样本固定步长的欧拉或RK4积分可处理一个批次内不同的时间间隔。…

机器学习统计学市场微观结构高频交易
《交易机器学习》

本文介绍一种事件驱动方法,用于持有数量有限的日内仓位。预测值根据最新可用分数与价格行情柱对齐,并可设置有效期限制。入场信号采用针对每项资产分别计算的滚动分位数,以处理分数分布差异。新出现的合格候选按分数排名,并依次纳入,直到达到持仓槽数量上限;每个已占用的持仓槽权重固定。…

股票高频交易市场微观结构交易执行
《交易机器学习》

本文比较四种用于研究成交、报价和限价订单簿的股票市场数据源:AlgoSeek TAQ、Databento逐笔订单数据、NASDAQ ITCH和IEX HIST。文中介绍各数据源的粒度、覆盖范围、费用或访问条件、存储需求,以及数据是否已经解析或需要重建。示例区分最优买卖报价数据流与全深度或逐笔消息,并解释为什么聚合的分钟线无法用于重建订单簿。…

股票市场微观结构交易执行高频交易
《交易机器学习》

本章将市场数据视为交易规则、流动性和参与者行为共同作用的结果。内容从最优报价延伸到订单级数据源,继而介绍如何解析交易所消息并将其重放到特定交易场所的限价订单簿中。还涵盖订单簿生命周期检查、流动性和订单流分析、日内交易模式,以及单一交易场所可见流动性的局限。另一个重点是采样:按时间、活动量和信息量构造的柱线会形成不同观测,而交易方向分类和时间戳对齐会影响对观测的解读。 本章还介绍日内数据质量和交易时段检查,以及利用双幂变差和 Lee–Mykland…

市场微观结构交易执行高频交易统计学
《交易机器学习》

本笔记根据NASDAQ ITCH成交数据构建市场微观结构指标,将成交汇总为日内柱,并区分流动性代理指标、订单流信号和订单簿状态。它先用跳动规则对单笔成交分类,再进行汇总,使买入量和卖出量能够构成有意义的订单流失衡指标。随后展示 Kyle lambda 的比率近似、Amihud 非流动性、Roll 价差和成交强度,并解释各自的输入和含义。 一个重要注意事项是,实际实现的 Kyle lambda 是绝对收益对相对成交量之比,并非原始定义中的带符号订单流回归斜率。本笔记还展示了 Kyle 和 Amihud…

股票市场微观结构高频交易统计学
《交易机器学习》

本笔记使用价差、盘口深度失衡、带符号成交量和价格冲击等日内微观结构信息,比较用于按下一段15分钟收益对NASDAQ-100股票排序的预测模型。仅当覆盖完整时,才为每个模型家族选取一组代表性预测,并保持模型检查点彼此独立。分析比较秩相关及其不确定性区间,检查滚动验证各折的表现,测试预测分组的单调性和对市场状态的依赖性,并检验保形预测区间是否达到其声明的覆盖率。因果效应估计与预测分数分开处理。…

股票机器学习统计学市场微观结构
《交易机器学习》

本笔记介绍一种受GT-GAN启发的架构,用于合成时间戳确实不规则的时间序列,例如逐笔、成交量或美元K线。GRU-ODE编码器将观测值映射为潜在状态;基于ODE的生成器和判别器组件对连续时间演化建模,ODE解码器则重建观测值。由于可以查询任意时刻的潜在状态,该模型支持在固定观测网格之外进行插值和生成。…

机器学习高频交易市场微观结构回测
《交易机器学习》

本文档介绍用于加载已解析 NASDAQ ITCH 消息的工具,并根据订单新增、删除、撤销、成交和替换消息重建限价订单簿。它跟踪每笔订单的剩余股数,使后续订单簿更新使用当前数量,并通过追踪订单引用来处理替换链。快照会报告多个买卖价位,以及最优报价、价差和中间价。 本文档还解释了 Lee–Ready 风格的交易分类:将每笔成交价与当前中间价比较;若成交发生在中间价,或报价不可用,则根据价格变化方向进行逐笔价格测试。ITCH…

股票市场微观结构交易执行高频交易
《交易机器学习》

本笔记讲解如何将NASDAQTotalView-ITCH逐笔订单消息从二进制格式解码为结构化记录。文中解释消息帧结构和各类型特有的布局,演示字段解包,并转换以午夜以来纳秒表示的时间戳,以及以整数存储并隐含小数位的价格。主要流程逐条读取消息,解码受支持的类型,缓存记录,并按消息类型分区写入Parquet输出,从而无需将整个交易时段数据保留在内存中即可处理。…

股票市场微观结构高频交易交易执行
《交易机器学习》

本笔记介绍如何使用长短期记忆网络处理一分钟NASDAQ-100微观结构特征,以预测多个期限的前向收益。模型逐步处理一段回溯序列,并学习保留哪些早期观测。训练使用滚动折,仅依据训练数据对特征进行标准化,在股票和折之间重置状态,并保存已声明检查点的验证预测。序列窗口按照各标签期限间隔取样,以减少训练目标之间的重叠。…

机器学习股票高频交易回测
《交易机器学习》

本分析根据ITCH的新增、删除、部分撤单、替换和成交消息,重建单笔NASDAQ限价订单。分析使用精确时间戳和对数缩放的存续期分布,测量订单是否被撤销或成交,以及经过多长时间发生这些事件。方法区分仍在交易簿中的订单与已经成交或修改的订单,并将单个代码的生命周期分析与更广泛的消息计数分开。…

股票市场微观结构交易执行高频交易