知识库

本文构建了一个基于智能体的模型，研究低频和高频交易者之间的互动及其对资产价格的影响。低频智能体按时间顺序交易，并可在基本面分析规则与图表分析规则之间切换。高频智能体会对价格事件作出反应，并使用方向性策略利用较慢交易者产生的信息。研究通过蒙特卡洛模拟评估波动性和闪崩行为，并称该模型能够再现若干重要的市场典型事实。…

本文通过大规模基于智能体的模拟，考察哪些交易风格能在嘈杂市场中持续。其 MAS-乌托邦模型包含 10,000 个智能体，分为五种原型，并使用五年的高频数据。模拟设定假定不存在交易摩擦，并向智能体提供无条件基本收入。在这些条件下，顺应市场方向的趋势跟踪智能体长期表现优于逆势交易的均值回归智能体。 作者称，这一结果促使他们构建一个由 LLM…

本研究考察数字资产价格的高频跳跃是否有助于解释加密市场的收益。研究聚焦于围绕特殊市场事件聚集的跳跃，并分析其发生时间与波动率和成交量的反复模式有何关系。分析受到此前关于比特币与关注度的证据启发，并将研究问题扩展至其他数字资产。…

本文介绍一种用于高频市场价格和交易活动的多元 Hawkes 点过程模型。四个交互核分别表示交易到达的自激效应、价格变化的均值回归、交易到达对价格变动的影响，以及价格变化对交易活动的反馈。这些组成部分旨在共同刻画价格变动时点不规则、价格增量离散、短期均值回归，以及不同时间尺度相关性变化等特征。…

本文讨论超高频市场中资产价格定义不明确的问题，此时最新成交价、最优买价和中间价可能各不相同。这在实践中很重要，因为交易策略需要一致的价格参考。 本文提出一个旨在方便市场参与者使用的有效价格概念，并概述一种基于布朗 Cox 过程、从订单流中估计该价格的统计方法。摘录没有说明估计量的方程、假设、数据或验证结果，因此仅凭这段描述无法评估其实际准确性及在不同市场中的适用性。

文档认为，NFT市场原则上具有透明性，但容易受到复杂交易者的影响，他们会利用技术知识、协议机制和市场低效。文档将机会主义交易描述为自动化的高频活动，认为这类活动可能干扰普通用户的交易，并从普通用户较难利用的情形中攫取价值。…

该研究框架将确定性限价订单簿模拟器与随机订单到达结合起来，订单到达由多元标记Hawkes过程生成。文中说明线性和非线性Hawkes模型如何表示聚集订单流，并报告了两种模型的稳定性与遍历性结果。框架还包含时间重标度和拟合优度诊断，用于评估拟合后的事件模型。 作者使用Binance BTCUSDT和LOBSTER…

本文概述一种拟议的高频股票交易算法，使用神经网络预测生成买卖信号。研究比较三种方法：使用交叉熵损失和拟牛顿法优化的逻辑回归、全连接神经网络以及支持向量机。文中给出的理由是，神经网络能够提取股票数据特征并进行分类，而支持向量方法则将观测映射到更高维空间进行分类。…

该研究考察反应速度和交易紧迫程度如何影响模拟市场中的自动化策略。模拟市场包含一家交易所、一个公开限价订单簿和连续双向拍卖撮合。反应速度指策略针对市场事件计算响应所需的时间；紧迫程度描述临近截止时间时策略行为变化的幅度。这些维度扩展了常见分析：此类分析通常比较定价策略，却忽略时间因素。…

本研究考察CME市场数据包和撮合引擎交易的到达方式，并利用这些测量结果为高频交易接收器提供设计指导。证据来自对Nasdaq-100 E-mini近月合约一年多的观测，包括数据包和交易的交易所时间戳，并通过实盘生产接收器进行核验。…

这项研究探讨降低对性能敏感的C++应用程序延迟的方法，主要场景是高频交易。文中介绍了一个编程代码库，其中包含经过基准测试的示例、一种经过优化的市场中性统计套利配对策略，以及用于协调并发工作的Disruptor模式C++实现。…

PulseReddit将大规模Reddit讨论与高频加密货币市场统计数据对齐，以研究社交信息能否支持短期交易。本文评估整合这些数据的LLM多智能体系统，并将其表现与传统基准进行比较。 报告的实验发现，加入情绪信息的系统交易表现更好，尤其是在牛市中，并描述了其跨市场状态的适应能力。研究还考察了模型表现与效率之间的权衡，以帮助选择模型。所提供的描述没有说明数据集构建细节、资产、评估时期、成本或数值结果，因此仅凭这段文字无法更准确地评估这些结论。

本文介绍一种长短期记忆模型，利用回看期内的逐笔交易数据，在固定的短期时距上预测加密货币价格方向。其流程包括特征设计和超参数搜索，训练数据来自近一年的交易观测。 作者报告称，样本外准确率超过60%，且各测试期间的表现保持稳定；他们还介绍了一项交易模拟，其中预测结果可能被用于变现。作者还报告称，在部分交易品种上训练的参数在其他加密货币上仍保持表现。摘要未说明资产、预测时距、样本日期、模拟假设或扣除费用和滑点后的表现。因此，这些报告结果不能证明其在实盘交易中盈利，也不能证明其普遍适用于各类加密市场。

本研究考察比特币和以太币在 Coinbase Pro、Binance 和 Uniswap V2 上的波动率与交易量是否存在重复模式。研究分析了不同星期、时段和小时内间隔的变化。作者报告称，波动率和交易量都存在系统性周期模式，且这些模式随时间增强。作者提出，这些模式可能与算法交易活动和期货市场的资金费率结算时间有关，但描述并未证实这些因素是因果解释。…

文档介绍了一种高频做市框架，将逐笔市场数据与定期预测信号相结合。该框架应用深度强化学习，在制定做市操作时同时利用快速的订单级信息和频率较低的预测。其研究动机是，高容量逐笔数据和复杂的市场状况使得仅凭单一信息来源难以构建有效的流动性供给策略。 报告的评估在模拟情景和使用真实加密货币市场数据的实验中，比较了基于不同深度强化学习算法构建的策略。作者称，与现有方法相比，组合框架提高了盈利能力并改善了风险管理。摘要没有指出具体算法、资产、评估时期、基准或风险指标，因此仅凭这段描述无法评估所报告收益的大小和普遍性。

本文开发了一种自回归模型，用于生成经过词元化的限价订单簿消息，再由模拟器据此更新订单簿状态。其架构采用简化的结构化状态空间层，处理长消息序列和状态序列。作者还为LOBSTER数据中的NASDAQ订单消息创建了词元器，将连续数字分组成词元。…

本文将高频订单流建模为日内价格变化的来源，并使用序列生成对抗网络生成合成订单序列。研究利用这些序列模拟价格路径，再将生成的行为与真实市场数据进行比较。研究以量化金融中的参数模型作为基准，并在抽样随机订单流路径前分别拟合两个模型。…

本文提出一种期货配对交易策略，使用路径签名作为时间序列特征。研究将签名分解为两个指标：衡量路径交互性的分段签名指标，以及衡量方向的增量协变指标。这两个指标在策略设计中充当过滤器，旨在生成比一些基于统计套利或深度学习的方法更容易解释且更稳定的信号。…

本文探讨将强化学习用于高频交易中的统计套利。文章描述了智能体如何通过与交易环境互动进行学习，并重点介绍深度Q学习如何调整决策以应对短暂的市场机会。讨论还包括探索与利用之间的权衡，以及在行为随时间变化的金融市场中进行学习的难点。…

本文考察按订单存续时间、修改次数及修改发生时点过滤订单后，订单簿失衡（OBI）能否更好地反映近期收益。文章使用印度股指期货市场的逐笔数据，比较来自完整订单流的信号与基于已成交交易母订单构建的信号。…

本研究使用US股票报价和成交的高频数据库，通过深度学习建模订单簿供需与后续价格变化之间的关系。研究根据价格和订单流历史数据预测价格变动方向，并评估模型在不同股票和时期的表现。模型使用多只股票的数据共同训练，而非针对每种资产分别训练。…

本文对流动性充足市场中高频到达的买卖盘队列建模，推导其联合动态的函数型中心极限定理，并表明随着订单到达频率提高，订单簿可用正象限中的马尔可夫跳扩散过程近似。过程特征以底层订单流的统计属性表示，使该框架能够适应不同的分布和时间依赖性。 这些近似使研究者可以在给定当前订单簿状态的条件下，分析价格上涨概率、下一次价格变动所需时间等量。所述框架适用于广泛的随机订单流模型，包括泊松点过程、自激过程和 ACD-GARCH…

该论文通过区分每笔交易的价格变化与交易到达时间的生成过程，来建模高频股票收益。对于流动性极高的近月 E-mini S&P 500 期货合约，研究报告称，在考虑预定公布的新闻后，极短时间间隔内的交易时间收益近似服从高斯分布。随后，论文将高斯交易时间收益与经过修改的马尔可夫切换多重分形持续期模型结合，用于刻画交易间隔。…

本文档介绍一种高频价格模型，适用于不规则观测时间和离散价格变动。模型在得分驱动波动率框架中使用零膨胀斯凯拉姆分布，并加入移动平均成分以过滤市场微观结构噪声。平滑样条用于表示交易时长与波动率的关系，以及二者如何在整个交易日内变化。 模型参数使用极大似然法估计。文中报告称，将模型应用于IBM股票时拟合效果良好，并指出该模型也可测量每日已实现波动率。报告没有详细比较其他模型，没有提供量化拟合统计数据，也未对其他资产和市场环境进行更广泛的检验，因此证据仅限于所述单只股票研究。