知识库

本文介绍一种仅做多的 USD/TWD交易智能体，将量子长短期记忆网络（QLSTM）的短期趋势预测与量子异步优势行动者评论家（QA3C）相结合。其状态包含 QLSTM特征和技术指标，奖励函数则旨在支持趋势跟随和风险控制。报告的设置采用长度为四的序列和八个 QA3C工作器，数据覆盖 2000至2025，并划分为训练集和测试集。 作者报告称，该智能体约五年的收益率为 11.87%，最大回撤为 0.92%，并表示其表现优于若干货币…

本文提出特征向量关联，作为企业间关系的代理指标。它利用企业特征估计关联，先衡量欧几里得相似度，再运用量子认知机器学习学习相似度，以此表示企业之间的联系，为动量溢出交易策略提供参考。 报告结果称，基于这两种相似度方法构建的策略都可能盈利，且学习得到的 QCML 相似度优于欧几里得版本。描述未说明数据、样本期、交易成本、风险控制或评估设计，也未提供具体绩效指标。因此，按文中所述，这一比较支持该方法在本研究中的应用，但其稳健性及在不同市场中的适用性仍不明确。

本文档介绍一种用于统计套利的在线学习方法，并将其与常见的均值回归模型策略进行对比。后者依赖的假设可能不适用于一般的非平稳随机过程。拟议的替代方法旨在无需这些假设即可运行。 文档称该方法具有强学习保证，表明其在理论上能够随着数据到来而进行适应。然而，说明没有描述算法、具体保证、交易规则，也未说明如何处理组合和交易成本。文档同样没有提供实证结果或比较。因此，该方法被作为一种通用方法论替代方案提出；现有信息不足以评估其在实盘市场中的实际盈利能力或稳健性。

DeepTrust是一个用于查找和评估可能解释股票价格极端变动信息的框架。其工作流程包括三个部分：使用机器学习从历史价格中检测异常变动；使用能适应搜索条件的查询从Twitter检索相关非结构化信息；以及评估检索内容的可靠性。评估会考虑推文特征、机器生成语言的迹象、论证结构、主观性和情感倾向，从而筛选出数量精简且可能可信的帖子。…

这篇论文介绍一种动态策略，旨在保护投资组合免受尾部损失，同时保留参与牛市行情的机会。该策略设定风险价值的最高目标水平，并使用分类器估计风险超过该阈值的概率。随后，估计出的超阈概率被转化为交易信号，用于对冲尾部事件。…

这篇论文提出一个强化学习框架，用于处理以凸评分函数表示风险目标的决策问题。该框架可表示方差、预期损失和熵风险价值等指标，也可表示均值风险效用。其重点是让这些目标能够在时间维度上发挥作用，因为优化风险可能导致时间不一致：早期更受偏好的策略，在之后的决策时点可能不再受偏好。…

这篇论文研究一个期货市场中的动量信息能否帮助预测其他市场的动量。研究根据大宗商品、股票、债券和货币领域中64个连续交易合约的价格动量特征构建网络，无需预先指定公司联系或其他经济关系。…

这项研究将双延迟深度确定性策略梯度（TD3）这一连续动作强化学习方法应用于亚马逊股票和比特币的每日收盘价。交易动作同时表示持仓方向和交易股数，扩展了使用离散动作的方法。论文将由此产生的策略与技术分析方法、其他强化学习方法以及随机和确定性策略进行比较。 研究使用收益率和夏普比率评估表现。报告结果表明，同时选择持仓方向和交易规模可以改善这些指标。文档没有提供评估细节、具体结果，也没有证据说明该方法在其他资产或市场时期的稳健性。因此，其结论仅描述所研究的市场和比较方法，并未证明连续动作TD3在其他情境下会表现更好。

本研究提出一种受统计物理学启发的方法，利用 3 级限价订单簿数据预测价格波动率和预期收益。该方法将订单视为物理系统中的元素，并定义类似动能和动量的指标来描述订单簿状态。其目标是捕捉最优买价和卖价之外的市场微观结构。…

本文介绍 L2GMOM，一种用于网络动量的机器学习框架。网络动量利用资产之间的关系帮助预测未来收益。该框架同时学习金融网络和交易信号，而不是先构建网络，再单独优化投资组合。其神经网络架构源自算法展开，并被描述为具有可解释性。该框架可以采用不同的投资组合表现目标，包括负夏普比率。 对 64 个连续期货合约进行 20 年回测，报告夏普比率为…

本文介绍一种无模型卷积神经网络，它接收一组资产的历史价格并输出投资组合权重。模型通过强化学习训练，以累计收益作为奖励。训练数据涵盖某交易所 0.7 年的加密货币价格，所述交易间隔为 30 分钟。 同一市场中的回测报告称，在 1.8…

本文为具有集中流动性的恒定乘积自动做市商建立模型并提出策略，涵盖包括大额订单和统计套利在内的流动性获取者，以及在一个或多个池中管理头寸的流动性提供者。研究以市场数据为建模依据，包括来自 Uniswap v3 的数据，以及对不同交易场所价格、流动性、交易成本、联动、领先滞后效应、溢出和因果关系的分析。 对于流动性获取者，研究推导出利用竞争交易场所价格作为信号、交易联动加密货币篮子的策略。对于流动性提供者，研究提出一种随机控制策略，根据池的盈利能力、头寸动态和集中度风险来选择流动性区间宽度；此外，还提出一种使用…

本文探讨交易台如何为多个客户执行针对相同资产的订单，而客户的订单规模、期限和风险偏好各不相同。较早成交的订单可能推动价格变动，因此优化整体交易收入可能使较晚执行的客户处于不利地位。所提框架采用多智能体强化学习，为各个客户制定策略，同时平衡整个客户群的结果。 广义 Gini…

本研究考察价格历史以外的信息能否帮助预测比特币兑美元的波动率。提出的 CoMForE 系统结合历史交易数据、相关推文的情绪、衡量公众关注度的搜索量指标，以及区块链哈希率数据。系统采用 AdaBoost–LSTM 集成模型，也旨在预测加密货币价值分布的变化，并将投资决策作为潜在用途。 文档报告的实验显示，结合这些数据源的表现优于仅依赖交易数据，并声称较现有预测方法提升…

本研究描述了一个多主体人工股票市场，其中主体根据有限的过往价格记忆选择交易。主体的交易策略通过自我学习过程而变化，使模型能够考察随着主体数量增加，市场行为如何演变。 与正态过程相比，模拟产生了更频繁的大幅价格波动。收益率的中心部分呈 Lévy 形态，尾部则近似按指数形式截断。作者还定义了系统复杂度指标，并报告称，随着主体数量增加，系统会从较简单阶段转向较复杂阶段。这些是模拟结果；摘录没有提供对真实市场的校准或模型参数详情，因此其经验适用范围尚不明确。

本研究考察加密货币社交媒体讨论的时间和主题是否与之后的价格行为相关。研究对社交媒体社区中的交流应用动态主题建模，再使用霍克斯模型分析话题出现与加密货币价格之间的相互作用。该方法旨在识别可能先于特定收益模式出现的话题。…

本文探讨成本低廉、能够近似复杂关系的AI系统，如何改变交易策略将信息融入价格的方式。本文通过均衡价格过程来分析市场效率，并依据投资者的信念、模型复杂度和优化策略，区分不同程度的市场效率。…

本文介绍一种端到端深度强化学习方法，用于主动股票高频交易。智能体使用近端策略优化交易一单位英特尔股票，状态由不同组合的限价订单簿特征构成。为提高信噪比，训练数据选取价格变动较大的样本；连续的一个月留作验证，之后另取一个月用于测试。超参数通过序贯模型优化进行调整。…

本文介绍QTMRL，这是一种利用技术指标进行股票交易决策的强化学习智能体。其输入数据集结合了跨行业代表性标普500成分股的每日价格和成交量数据，以及旨在捕捉趋势、波动率和动量的特征。优势演员评论家框架将数据处理、策略学习和交易动作联系起来，旨在随着市场环境变化调整决策。…

该研究提出一种自动化比特币高频交易框架，将长短期记忆（LSTM）价格模型与近端策略优化（PPO）相结合。框架将价格表示为智能体的状态，将交易表示为动作，将回报表示为奖励。在价格预测部分，研究比较了支持向量机、多层感知机、LSTM、时序卷积网络和Transformer；报告的实验结果更支持LSTM。…

本文介绍高斯过程（GP）和贝叶斯优化，说明GP回归如何支持贝叶斯机器学习，以及如何选择其超参数。贝叶斯优化利用概率模型搜索黑箱函数的最优值，无需计算导数，尤其适用于参数数量较少的情况。 本文介绍两种金融应用：拟合利率期限结构，并将GP预测与随机游走模型进行比较；以及通过在线估计趋势窗口和协方差窗口构建趋势跟踪策略。文中所述比较说明了这些方法的评估对象，但摘录未提供绩效结果、数据细节或实现选择。因此，本文概述了相关工具及其应用，但证据不足以判断其预测价值、交易成本或稳健性。

本研究探讨何时应跟随市场文本，何时应反向操作。研究区分机构表态（Say）、媒体转述（Echo）和显露出的机构持仓（Do）。一个线性二次模型描述了这样一种知情机构：它可以在部分轻信的群体之前发言并交易。论文还开发了相关工具：利用发布时间和嵌入相似度识别转述文章，将文本嵌入与后续收益对齐，并根据价格路径推断谁先采取行动。 模型给出了机构在买入某项资产的同时策略性唱空的条件；一项无分布假设的结果则表明，表态与持仓之间的负协方差意味着文字具有负向预测内容。在真值已知的受控模拟中，回声情绪在所有 29…

论文提出一种名为 DNN-forwardtesting 的策略选择流程。该方法不只依据交易策略在历史价格上的表现进行选择，而是先用深度前馈神经网络预测可能的未来价格路径，再在这些预测上评估技术指标。选出的指标随后用于指导真实未来市场中的交易。所述流程包括对十种证券进行探索性分析、基于 k-means 的波动率处理，以及用一组受限资产和共同波动率系数训练模型，以预测未来 30 天的价格。…

本研究提出一种无监督方法，通过小波系数构建表示来分析股票价格跳跃。该方法旨在区分与系统内部动态有关的跳跃模式和与外部冲击有关的模式。分析发现，波动率的时间不对称性是一个显著特征，并发现均值回归和趋势有助于定义其他跳跃类别。 研究还利用小波表示考察共跳，即多只股票在同一分钟内发生跳跃。作者认为，这些事件中有相当一部分反映了内生传染。这为研究冲击如何在股票间传播提供了一种方法，但本文未说明样本、验证流程，也未提供区分内生事件和外生事件的证据。因此，报告的结论描述的是该研究的发现，并非已经证实的通用分类规则。