知识库

本文比较交易者在中心化和去中心化交易所交易比特币永续期货时的行为，并将交易所归为三种架构模型。研究考察了交易量、未平仓合约量、强平、杠杆和价格波动。对于采用虚拟自动做市的去中心化平台，未平仓合约量与多头和空头头寸之间呈现不同的关系。在按预言机定价的交易所，交易者往往作为价格接受者，对标的资产的价格变动作出反应。…

本研究分析通过欺骗性网站和移动应用冒充加密货币交易所的诈骗。研究人员收集已报告的诈骗案例，并生成可能的仿冒拼写域名以发现更多案例，随后将相关网站和应用归为不同家族。他们考察了这两种诈骗渠道之间的联系，并评估了已报告的财务影响和应用分布。

论文将加密货币交易中深度强化学习（DRL）的回测过拟合视为假设检验问题。论文训练DRL智能体，估计每个智能体过拟合的概率，并剔除被判定为过拟合的智能体。目标是减少历史测试带来的假阳性，并提高所选策略在回测之外取得良好表现的可能性。

本研究通过实验考察可见的交易行为是否会影响加密货币市场后续活动。研究人员部署机器人，在217种加密货币上进行为期六个月的低成本交易，交易次数超过十万次。他们报告称，个人买入行为之后，买方活动短期内有所增加，增幅达到这些干预本身的数百倍。…

研究介绍了一种用于加密货币平台多变量配对交易的最优交易技术。该方法选择一组与加密货币关联的法定货币，并同时监控它们以寻找套利机会。为协调相互竞争的信号，该方法采用双目标凸优化，在盈利能力和风险偏好之间进行权衡，并可调整波动率惩罚和行动阈值。文中所述套利无需外部卖空，也无需在套利期间持有中间资产。 覆盖 2020 至 2022 年加密货币市场的实验（包括牛市阶段和熊市阶段）报告称，年化利润为 15.49%。附录中的其他实验将该方法应用于后 COVID…

比特币-NG以一个关键区块和随后多个微区块构成每个纪元。其交易费分配规则会在当前和下一位领导者之间分配费用。文档指出，先前的激励分析忽略了更持久的对抗策略，以及出现高价值交易时改变挖矿行为的可能性。 文中提出贪婪挖矿策略，并将诚实矿工与攻击者之间的竞争建模为马尔可夫决策过程。分析考察了攻击者的额外奖励，以及该策略胜过诚实挖矿所需的算力条件。文中还描述了一项向后兼容的协议变更，用以提高传播因子阈值。模拟和实验据称表明比特币-NG易受攻击且不具激励相容性，但摘录未提供定量结果或实现细节。

本文介绍 CausalReinforceNet 框架，旨在将因果分析纳入加密货币交易的强化学习决策。该框架将贝叶斯网络与动态贝叶斯网络方法同强化学习结合，力求帮助智能体在选择交易时推理市场关系。研究将这一框架应用于 Binance Coin、Ethereum、Litecoin、Ripple 和 Tether。 作者使用不同的强化学习算法构建两个智能体，并将其与买入并持有策略和基准 RL…

本研究构建比特币已实现方差的概率预测模型，不局限于点预测，还估计条件分位数，以表示可能波动结果的不确定性。研究结合 HAR、GARCH 和 ARFIMA 等统计模型与机器学习方法的预测，再通过概率堆叠框架整合基础模型的预测结果。…

本研究考察强化学习能否改进加密货币配对交易。配对交易是一种统计套利方法，通过交易相关资产之间的价格差获利。作者构建交易环境并训练智能体选择加密货币配对交易的时机和方式。他们还为学习任务设计奖励塑形以及观测和行动空间，旨在动态调整交易决策。 实验使用逐分钟的 BTC-GBP 和 BTC-EUR 数据。报告的传统配对交易年化利润为 8.33%，而受测强化学习智能体的年化利润介于 9.94% 至…

本文提出一类称为双线性策略的资产交易规则，并研究交易产生成本时其稳健性如何。研究以不同市场方向下预期交易收益始终为正作为稳健性标准。核心理论发现是，交易成本可能消除策略原本可能维持的正预期收益。作者随后指出了能够保留正收益的条件。 描述报告了两种评估方式：针对以几何布朗运动和跳跃建模的资产进行大量蒙特卡洛模拟，以及使用历史数据对 Bitcoin-USD…

本研究结合比特币市场指标与社交及行为信号，探讨程序化交易。输入数据包括交易所价格和成交量、技术普及程度及比特币交易量，以及搜索活动、口碑传播量、推文情绪和观点极化程度。分析涵盖三年多的比特币相关数据，并考察这些信号与价格走势的关系。…

本文利用交易所市场数据研究加密货币和其他数字资产日收益横截面的因子模型。研究识别出一个似乎对加密资产收益有重要贡献的主导因子。文中还介绍了用于下载数据、计算风险因子和进行样本外回测的配套材料。 作者认为，只要能够高效执行并且可以卖空，加密资产横截面统计套利可能具有可行性。摘要未说明该因子的名称和构造方法，未报告回测指标，也未证实这一机会能否经受住成本和市场摩擦。因此，其实际意义在于提供一个研究线索，而非证明存在可部署的策略。

本研究考察媒体和教育资源与个人参与加密货币市场之间的关系。文章指出，社交平台、网红和财经评论员等信息来源可能激发兴趣；而易于获取的学习材料可能帮助人们在波动市场中作出更明智的选择。 文中称，研究发现基于定量问卷调查和定性访谈。研究报告称，社交媒体上有说服力的故事和成功经历可能吸引新投资者；持续、负责任地参与则取决于对加密货币基础知识、交易方法和区块链技术的了解。文中未提供样本详情、效应量测定或具体教育干预，因此仅凭摘要无法评估这些发现的强度和普适性。

本文考察能否利用近期市场行为和另类数据预测未来五分钟的比特币隐含波动率。模型使用滞后的比特币指数价格和波动率变化，捕捉价格信息与波动率动量。模型还纳入情绪和参与度指标，包括Google Trends，以研究关注度信号是否包含有关后续隐含波动率的信息。 报告的发现是预测能力有限，市场往往会在数小时后才对Google…

本文介绍 AutoQuant，这是一种基于规则的决策支持框架，用于选择加密货币永续期货的交易配置。框架明确执行时点、资金费用处理、手续费、滑点和可行性要求，然后依据不同评估窗口和成本假设进行贝叶斯搜索与分阶段筛选。确定性输出和会计核对旨在使预先定义信号族内的选择过程可追溯、可复现。 在 BTC、ETH、SOL 和 AVAX 合约上，研究发现，忽略资金费用和滑点会使结果看起来显著优于计入全部成本的模拟。分阶段流程并不保证更高收益；在 BTC…

本研究将两种机器学习模型 LightGBM 和 LSTM，与两种比特币指标策略进行比较：指数移动平均线交叉策略，以及结合 MACD 和 ADX 的策略。研究结合 2024 年 1 月首批比特币现货交易所交易基金获美国监管批准的背景进行比较。研究旨在评估这些信号在比特币交易中的表现。 本文报告称，在所考察期间，LSTM 策略不到一年取得约 65.23%…

本研究运用分形几何和统计分析考察比特币收益的持续性、可预测性和市场结构。研究比较了九种加密货币，这些加密货币合计占近四分之三的市值；比较对象还包括现货与期货大宗商品、政府债券、股票指数，以及成长股和价值股。论文还探讨底层技术差异是否会反映在价格动态中。…

本文比较刻画比特币波动率的三种方法：以样本标准差衡量的历史波动率、GARCH 类模型的条件预测，以及从比特币期权推导的隐含波动率。研究利用这些指标考察观测到的波动、模型预期与期权市场定价之间的关系。研究报告称，在日度和年度期限上，三种方法都显示预期波动率较高，但摘录没有给出具体数值或评估期间。…

该文推导了资产长期价格遵循幂律、且收益方差随时间下降时，连续时间凯利仓位比例如何变化。在无风险收益率为零的情况下，仓位取决于增长指数、波动率尺度以及方差衰减速度。只有当衰减速度取特定值时，仓位才不随时间变化；否则，最优仓位比例会随资产存续时间而改变。…

论文为定期重新训练的预测系统提出一种部署策略：继续运行现有模型，同时让经过预热重拟合的候选模型在服务链路之外运行；随后在同一个后续周的延迟标签上比较两者。只有当候选模型的负对数似然达到固定的配对优势门槛时，才会替换现有模型。该策略旨在避免按日历自动切换模型，因为新拟合的模型可能不如持续学习的现有模型。 在 Binance…

论文研究动量效应如何随加密货币市场流动性变化。研究按动量和流动性对加密货币进行排序，以此构建资产数量随时间变化的投资组合，并定期调整组合。报告的发现是，流动性最高的加密货币中动量效应显著；作者认为这支持了投资者羊群行为的解释。 研究还提出两种仅做多的方法：持有过去表现不佳且流动性较差的资产，以及过去表现良好且流动性较高的资产。报告称，这些策略的风险调整后表现优于市值加权投资组合。描述没有提供样本期、投资组合构建细节、交易成本或表现统计数据，因此无法仅凭摘要判断结果能否推广，或能否在计入实施成本后维持。

论文对资产通过订单簿交易时的价格形成过程进行建模。研究提出两种相关方法：有限多人博弈和均值场博弈，并将反映流动性有限的交易成本纳入模型。作者在两个框架中都推导出解析表达式，将形成的价格与实际订单流联系起来。这为研究交易者之间的互动以及流动性约束如何影响价格提供了一种方法。 论文还研究有限参与者模型在何种条件下收敛于对应的均值场模型，并确定了两者一致的条件。文中报告了一项数值评估，使用十只 NASDAQ 股票、一只巴西股票，以及一种在 Binance…

本文提出使用软演员评论家（SAC）和深度确定性策略梯度（DDPG）管理加密货币投资组合。智能体在模拟环境中利用历史市场数据学习连续交易操作，调整投资组合权重，以寻求累积收益，同时考虑下行风险和交易成本。SAC 使用熵正则化目标；论文认为，这有助于其在噪声较大的环境中保持更高稳定性。 在多种加密货币上的实验报告称，两种智能体的表现均优于等权和均值方差投资组合基准，且 SAC 比 DDPG…

本文对自动减仓（ADL）进行建模。这是永续期货交易平台在强制平仓无法维持偿付能力时，用于分摊损失的一种机制。其核心理论结论是一个三难困境：ADL政策无法同时保证交易所的偿付能力、交易所收入和交易者公平。作者还指出，随着参与人数增加，规模扩大的道德风险会使无损失分摊无法实现。文中介绍了三类旨在权衡这些相互竞争目标的机制。 实证分析考察了 Hyperliquid 在 October 10, 2025 的数据。当时，ADL 在 12 分钟内平掉了价值 2.1 billion…