知识库

本研究将波动率视为一种无法直接观察、随时间变化并需根据已观察价格推断的量。研究将价格收益和波动率共同建模为二维扩散过程，并为此类过程中的一大类推导出极大似然程序。研究选用指数Ornstein-Uhlenbeck随机波动率模型估计隐藏的波动率状态，并将该方法应用于道琼斯指数。…

该研究使用原始收益、特质收益和不同的特质风险指标，比较中国市场的周度股票动量策略。样本涵盖 1997 年 1 月至 2017 年 12 月的个股 A 股数据。作者先评估动量和反转模式，再通过单变量投资组合分析，考察风险指标能否预测收益，并比较根据这些指标构建的动量组合。 论文报告了整体反转效应和特质动量效应。大多数特质风险指标与横截面收益负相关，而基于波动率和最大回撤的信号表现更强，对广义特质动量组合的解释力也更好。作者还指出，市场上涨、流动性较强和投资者情绪高涨时，这些策略的盈利能力更高。证据仅适用于中国 A…

该研究应用 KM₂O-Langevin 理论，将股价波动划分为平稳、非平稳或中间状态。研究根据分类结果选择两类信号：平稳时期采用移动平均线，非平稳时期采用心理线这一振荡指标。作者将该方法描述为一种根据价格统计特性变化调整机械交易决策的方式。 作者对日经股票平均指数上的示例策略进行回测，报告称最大回撤较小，并将该方法描述为低风险。本文以此结果说明平稳性分析可用于交易，但没有提供数值绩效指标、测试时期、成本或基准比较。因此，这些结果仅描述一次历史应用，不能证明该策略在其他市场或条件下仍然安全或有效。

该研究使用东京证券交易所数据，考察每日成交量和交易笔数能否解释股票波动率。根据分布混合假说，研究将两项指标视为市场相关信息到达速率的代理变量。研究采用广义自回归条件异方差模型评估它们与波动率的关系，该模型能够捕捉条件方差的持续性。 研究报告称，加入成交量或交易笔数并不总能消除 GARCH…

该研究检验源自中国 A 股市场的短期价格和成交量信号，能否在既有美国因子之外为标普 500 股票增加定价信息。研究采用双重选择 LASSO，在随机贴现因子框架中评估信号载荷，随后检验结果对测试资产设计和其他控制变量筛选方法的敏感性。…

本研究考察43只中国股票的订单激进程度是否具有持续性。订单激进程度与订单流相关：常见的对角效应描述了订单之后往往会跟随激进程度相似的订单。研究进一步探讨这些序列是否也包含较长时间跨度的相关性。…

文档介绍了与广义 Tempered Stable（GTS）分布相关的两种概率分布：其背景驱动 Lévy 过程，以及使用该过程构造的自分解分布。文档还将这些分布置于 Ornstein–Uhlenbeck 框架中，说明它们可作为平稳分布，用于模拟不断变化的收益。…

本文档介绍一款围绕交易信号和实用筛选功能设计的股票筛选可视化工具。其后端计算每只股票相对于同类股票的交易偏离程度，将相对偏离作为均值回归信号，并把信号的大幅变化标示为动量。前端以颜色呈现信号，并允许用户按行业、交易所、信号、流动性和市值对股票排序或筛选。 文档所述的贡献是一款实用界面，支持用户探索信号候选项并提供有用的控制选项。文档介绍了该工具的设计和可用部署形式，但没有说明信号公式、验证方法、历史表现或交易规则。其显示功能可以帮助用户查看股票，但不能证明信号能够盈利，也不能证明相对于同类股票的偏离会回归。

本文研究统计套利信号来自导致价格跳跃和扩散的隐藏因子时，如何实现最优交易。交易者的订单也可能影响报价和成交价，因此该问题同时包含不确定的市场状态和交易者自身的价格冲击。所提方法跟踪潜在状态的后验分布，并据此明确求解交易问题。验证定理为解提供支持，而期望最大化算法的一个变体则用于校准模型。…

本研究为US股票构建均值回归配对策略。研究没有沿用常见的配对交易方法来选择配对，而是使用最大似然估计构建符合 Ornstein-Uhlenbeck 过程的静态投资组合。估计得到的模型参数用于生成反向信号，交易阈值和样本内窗口长度则通过多轮测试选定。 文档报告了九组有潜力的配对，其样本内和样本外夏普比率均高于1.9。文档以CCI与HCP、以及CCI与 Realty Income…

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。…

该框架解决了合成期权生成中的循环问题：隐含波动率通常根据观察到的期权价格推断，但合成价格又需要以隐含波动率为输入。框架首先使用跳跃隐马尔可夫模型生成多资产股票路径，然后通过改进的Heston方差过程推导隐含波动率路径。方差目标会随状态、到期时间、虚实值程度和市场情绪指标变化。随后使用可重组二叉树格为美式期权定价，并按行权价和到期日分别初始化，旨在无需外部校准即可生成波动率微笑、偏斜和期限结构。…

本文分析一个名为“财富博弈”的简化基于智能体的市场中的价格行为。模型移除了做市商，迫使多数交易者限制股票交易，以维持总供需平衡。其余策略包括乐观和悲观的基本面投资者以及趋势跟随者，从而可以在简化环境中研究这些交易者类型的相互作用。…

本文介绍一种端到端机器学习方法，可将期权市场数据直接映射为交易信号。与指定市场动态或依赖期权定价模型的方法不同，该方法训练模型学习观测数据与交易决策之间的关系。它还采用换手率正则化，以考虑交易活动及其成本。 报告的回测覆盖了标准普尔100成分股期权、时间跨度超过十年。作者报告称，相比基于规则的策略，该方法取得了更好的风险调整后表现；在交易成本极高时，换手率正则化还带来进一步提升。摘要未提供模型细节、表现数据或验证设计信息，因此仅凭此描述无法评估结果的可信度及实际适用范围。

本文关注未能捕捉峰值和谷值、因而高估或低估实现波动率的预测。文中指出，SVR-GARCH可能产生与此前波动率相差很大的预测，这种表现被描述为依赖过去信息。作者提出混合ARCH（BARCH）和增强型BARCH（aBARCH）模型，以改进预测，尤其是对金融时间序列转折点的刻画。…

本文提出一个框架，用于决定如何在电子股票市场执行交易。交易者可以使用市价单或限价单，也可以将订单路由至多个交易所。该方法将下单视为凸优化问题，并将决策与订单流、限价订单簿中的队列规模、交易所费用与返佣以及交易者偏好联系起来。…

本文使用深度前馈网络研究大跳动价位和小跳动价位股票中高频收益与带符号交易量之间的非线性交互。研究将该网络与线性向量自回归（VAR）进行比较，并采用基于SHAP的解释方法，识别近期滞后输入对预测的贡献。该网络提升了预测表现，尤其是收益预测；解释结果则强调了最新的滞后项。…

本文提出一个以周期调整市盈率（CAPE）为核心的离散时间股票指数收益模型。收益增长由动量、与初始CAPE对数相关的基本面成分，以及产生扩散式价格行为的随机驱动成分组成。在模型中，初始估值设定增长的参考水平，而扰动可能使价格偏离该水平。…

本文研究股票在日内时段的可预测性，研究动机来自投资流量和最优交易时机相关研究。研究报告称，收益延续会在不同交易日相同时间点反复出现，间隔为半小时，且这一模式至少持续四十个交易日。成交量、订单失衡、波动率和买卖价差也呈现相关模式，但分析认为这些变量无法解释收益延续。…

本文将固定股票与债券配置、股票债券黄金配置，与可能持有现金的动态多头组合进行比较。组合使用公开数据，每月再平衡，并根据收益、波动率、超额夏普比率、回撤、换手率及实现年化波动率的一致性进行评估。评估中保守地计入交易成本。…

这项研究将金融资产中观察到的粗糙波动率与多个资产价格相互关联的微观动态联系起来。以往许多模型聚焦于单一资产，作者则探讨多变量粗糙波动率模型如何从高频交互中产生。 作者使用霍克斯过程构建微观模型，以表示跨资产交互，并研究这些模型的长期尺度极限。分析考察了微观层面的动量和均值回归如何影响多维价格形成，并再现了高维股票相关矩阵的已知特征。该文属于建模和理论分析，并非交易策略或直接的实证绩效测试；现有摘要没有说明资产、估计流程或数值结果。

本研究考察由大型语言模型驱动的生成式智能体，能否重现异质智能体模型所描述的基本面派与趋势跟随行为组合变化。智能体使用当前信息，为采用任一策略分配概率；研究将这些概率与文献中关于500从1990年至2020的研究结果进行比较。 报告的比较结果表明，智能体的预期与以往异质智能体研究记录的模式一致。作者还研究了一个人工市场，以考察智能体的决策过程。该分析保留了预期差异，但发现其系统性地偏向基本面派行为。摘要未说明模型提示词、验证设计、定量拟合或稳健性检验，因此证据支持的是对预期的比较，而非已证实的交易优势。

本研究将财经新闻中的语言模型情绪与宏观经济指标和技术信号结合起来，构建 Russell 2000 股票投资组合。该不确定性感知方法将预测风险拆分为偶然不确定性和认知不确定性，并将这些估计值纳入投资组合配置器使用的协方差矩阵。研究比较了三种选股状态：归因于个股特有变动的信号、由宏观因素驱动的变动，以及两个渠道信号一致的情形。…

本文介绍一种与模型无关的资产波动率预测框架，通过已实现波动率提取一组精简的时变因子。这些因子旨在以可控的计算量捕捉跨资产联动关系的变化，从而弥补静态因子载荷的局限，并避免完整多变量模型的高昂计算成本。它们可以加入统计或AI预测方法，以同时表示市场整体和资产特定的动态。…