本文建立模型,研究中心化交易所交易可能如何影响权益证明区块链中的质押选择和代币分布。在其连续时间均值场框架中,参与者既是验证者,也是中心化市场中的交易者,交易会产生价格冲击。作者在既定假设下证明了局部适定性,并对均衡交易行为给出半显式刻画。…
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
765 份文档
本研究将因子发现与因子批准分开。智能体可以提出候选因子并创建诊断性探针,而冻结的统计裁判只使用提案提交后观察到的市场结果来评估每项提案。无论智能体如何选择提案,该裁判都使用基于投注的检验,旨在控制任意停止时点的虚假发现。 研究人员将脚本、老虎机算法和语言模型分别与冻结裁判以及三个刻意设置为信息泄漏的裁判进行比较。证据来自植入真实因子的合成环境、探针编写环境,以及在 CSI 500…
本文研究半静态交易策略的逐点极限是否仍属于同一类别。作者在一般的两期模型中证明了离散时间下这一性质成立,并在满足某个概率条件时将结果扩展到多期、多股票模型。这是关于策略在取极限后结构如何变化的数学结果,而非实用信号或交易选择方法。 作者将其发现与此前报告的一个反例进行对比,并将该反例归因于可积性失效,而非半静态策略本身不稳定。他们还将分析与薛定谔桥研究中的函数可分解性联系起来。所述多期结果依赖额外的概率条件,简要描述没有说明该条件或提供示例,因此应用该结果需要查阅完整的数学论述。
本文考察基于历史数据选择策略如何导致误导性的绩效估计。研究提出协方差惩罚修正方法,通过考虑交易策略所依据的参数数量和数据量来降低风险指标。作者将这一方法与处理数据窥探、绩效估计偏高以及交叉验证评估的其他方法一并讨论。 实证研究在超过1,300种资产上比较了使用普通最小二乘法和全最小二乘法的协方差惩罚方法。报告结果支持使用协方差惩罚来缓解回测过拟合,并显示在该研究中全最小二乘法表现优于普通最小二乘法。文中未提供详细资产分类、绩效指标或实施指南,因此不能据此确定该修正方法对每种策略或数据集的效果。
本文研究资产波动率具有两个随机因子时的最优投资组合选择:一个均值回归成分和一个随机均值回归水平。交易会产生比例型外生成本,以及与随机流动性风险过程相关的内生成本。投资者偏好通过基于期权隐含信息的方法推导出的S形效用函数表示,并使用凹包变换处理其非凹性。…
本文比较以短缺最小化和以方差最小化为目标优化的投资组合。实证研究使用巴莱极端风险模型和价值、成长、动量等风格因子,覆盖US、UK和日本股票市场。研究评估了1985年至2010年期间的结果,包括市场下跌时的表现。…
本文使用马尔可夫切换GARCH和随机波动率模型(包括随机自回归波动率模型SARV)比较比特币日收益的条件方差预测。研究评估样本外预测表现,并建议分阶段估计均值方程和方差方程的系数。文中以此作为估计程序的理由。…
本文研究连续时间多资产市场中的超对冲价格、套利和效用最大化策略,其中资产价格遵循右连续且有左极限的过程。其核心是某类交易摩擦:交易强度越高,摩擦越不利。分析将这些成本与涉及可行策略、影子执行价格及鞅测度的对偶表示联系起来。 一个值得注意的推论是,即使存在套利机会,效用最大化策略仍可能存在:交易摩擦会阻止套利机会被无限放大。这对“任何套利的存在都必然排除合理效用优化”这一假设提出了挑战。摘要给出了理论刻画,但没有提供实证应用、具体市场校准或量化比较。因此,实际结论取决于特定市场的执行成本与模型假设的契合程度。
本文为面对多因子随机波动率模型不确定性的投资者推导最优稳健投资组合策略。研究考察有衍生品和无衍生品的投资组合,并在最坏情形下制定策略,将模型模糊性纳入配置决策。研究还将稳健策略与忽略不确定性的替代策略进行比较,并评估由此产生的福利效应。 进一步分析考察衍生品交易如何改变投资组合选择,并将框架扩展至资产价格跳跃和相关波动率因子。数值实验展示了投资组合行为和效用损失。摘要未报告具体参数设定、数据或量化结果,因此仅描述了这一框架,不足以评判其经验表现或实际应用。
本研究考察资金费率如何使加密货币永续期货保持在目标价值附近。研究构建发行方可用于对冲敞口的复制投资组合,并将依赖路径的资金费率作为原有费率结构的一种实用替代方案进行探讨。 分析使用套利定价理论和依赖路径的无限期限倒向随机微分方程。作者证明了方程解的存在性与唯一性,并分析其长期行为,再据此推导资金费率设计及其与永续期货价格的关系。所提供的摘要称,适当的费率可以维持价格一致性,但没有提供市场数据、实施细节或数值绩效比较。因此,结论描述的是一种定价框架;其现实效果取决于此处未说明的假设和市场状况。
本文建立了订单流具有自相关性时的市场冲击模型。研究区分了数种冲击定义,并解释每种定义如何产生不同的价格路径,同时将订单流相关性与大额订单执行期间的冲击形态及执行结束后的价格联系起来。…
这项理论研究运用粗糙路径理论,为随机伊藤积分建立逐路径基础,旨在涵盖常见交易策略和不确定性下的金融模型。研究为 càdlàg 路径引入性质(RIE),并证明该条件可导出 càdlàg 粗糙路径和福尔默意义下的二次变差。相关粗糙积分通过沿适当分割的左端点黎曼和取极限构造,其中也包括非梯度型被积函数。…
本案例研究检验基于协整的百事可乐与可口可乐配对策略在统计上是否成立、在经济上是否可行。研究使用较早的数据估计价差的均值回归特征,并固定这些统计估计值,再在较晚的样本内时段优化基于阈值的交易规则。摘录未说明入场和退出阈值,也未报告详细的绩效统计数据。…
本文研究当市场概率分布不确定时,经典套利条件是否仍然成立。研究使用Wasserstein距离衡量这种不确定性,并考察标准套利条件的弱形式和强形式。该框架还引入一种称为统计套利的宽松条件,旨在描述通常要求无法完全满足时出现的机会。…
本文将套利定价理论扩展到执行价格取决于交易规模的市场。投资者以卖价买入、以买价卖出,隐含交易成本包括买卖价差和价格冲击。作者还重新界定了存在这些成本时投资组合自融资的含义。 该框架允许指定的可预测交易策略具有 càdlàg 或 càglàd 路径以及有界二次变差,其中包括某些具有有限次跳跃的无限变差策略。对于 càglàd…
本文研究博弈期权的部分对冲问题,其中每笔交易的成本等于按比例收取的费用与固定最低费用中的较高者。在连续时间Black–Scholes框架下,论文证明存在一种能够使短缺风险最小化的交易策略;短缺风险是指未能完全履行期权义务的风险。 为进行计算,作者使用二项式模型构建数值方案,以估计 Black–Scholes 模型中的短缺风险及相关最优投资组合。所提供的描述给出了一个存在性结果,并概述了一种数值方法,但没有提供数值发现、参数选择或与其他对冲方法的比较。因此,其结论仅限于所述模型和交易成本结构。
本文研究波动率为随机过程且交易存在成本时欧式看涨期权的估值与对冲。研究分析了交易成本较小且波动率均值快速回归的极限情形,并推导出期权价格的渐近近似。其主要部分是经典Black–Scholes价格,另有一些项反映超出该基准模型的影响。 所述展开式中的修正项分别与小参数的平方根和小参数本身成正比。论文还在 Scott…
这项研究测试了深度强化学习作为执行层,用于波动较大的加密货币市场中的配对交易。其框架先筛选并排列候选配对,再使用带有长短期记忆层的近端策略优化智能体做出执行决策。固定风险、自适应均值的设计和确定性风险控制约束该智能体,旨在降低偏离风险。评估使用 Binance 每小时USD-M期货数据,并将学习得到的策略与启发式基线进行比较。…
本文研究临时交易成本如何影响知晓资产未来价值的知情交易者和负责定价的做市商。它分析单次拍卖模型和连续时间版本;交易者在某些情况下还需考虑风险厌恶,并选择交易以在计入成本后实现利润最大化。…
这项研究针对高风险场景提出一种强化学习投资组合管理器。它结合双向交易与借贷,使用损益作为奖励,旨在改善下行风险管理和资金使用。其实现将软演员评论家智能体与卷积网络和多头注意力结合起来。投资组合包含通过永续期货交易的加密资产,使用USDT进行借贷,并根据近期市场数据定期再平衡。…
本文提出一种适用于一般半鞅市场的均值方差对冲方法。它将对冲表述为随机控制问题,并证明该控制问题的价值过程具有二次形式。三个系数过程描述这种形式,其特征由后向随机微分方程(BSDE)刻画。 这些系数方程提供了一种推导条件均值方差对冲问题最优交易策略的方法。本文还给出等价表述,旨在将该方法与早期研究联系起来,并提供简单的示例说明。摘要阐述了框架及其主要刻画,但没有报告实证测试或数值表现。实际应用因此取决于指定市场模型并求解相关方程;简要描述没有详述计算流程,也没有比较对冲结果。
本文提出一个设计和比较趋势跟踪系统的框架,涵盖欧式、美式和时间序列动量方法。对于欧式系统,研究推导了损益、自相关与波动率标准化收益漂移之间的关系。使用分数阶 ARFIMA 过程的分析表明,即使短期收益呈均值回归,长期正自相关仍可能支持盈利。从频域角度看,只要低频谱能量足够强,趋势跟踪就可能受益;漂移也可能有助于延长回看周期。…
本文在高斯假设下分析趋势跟踪策略如何将股价变化转化为盈亏。研究推导了损益分布,并考察其均值、方差、偏度、峰度和尾部分位数。分析将策略结果的不对称性——频繁的小额亏损和较少发生的大额盈利——归因于趋势跟踪机制,而非仅仅归因于异常价格行为。…
本文评估比特币能否对冲美国股票指数或充当避险资产,研究动机部分来自比特币在 2016 年美国总统选举后上涨。本文区分对冲与避险资产:对冲资产平均而言与另一资产负相关或弱相关;避险资产则在该资产陷入困境时提供正收益或负收益。分析采用集合经验模态分解这一噪声辅助方法,考察不同时间尺度上的关系。…