知识库

这项理论研究探讨，多个基于重叠信息的因果风险约束，何时能够由一个基于汇总信息而实现最优的自融资投资组合来执行。在不完备的连续布朗市场中，研究将信号响应型敞口投影到可交易风险方向，并在可预测希尔伯特空间中表示。分析将执行误差分解为不可交易的结构性响应、局部约束之间的不相容，以及共享可交易投资组合的扭曲。研究还引入融合算子，以修正重复的共同风险方向。…

本文概述一种投资组合管理框架，将追求收益的强化学习智能体与屏障函数风险控制器结合起来。学习组件寻找有利可图的投资决策，控制器则监测市场状况并调整投资组合，以限制潜在损失风险，尤其是在下跌趋势中。两种自适应机制会改变控制器的影响程度，使框架能对上涨和下跌市场作出不同响应。…

本文将 Almgren–Chriss 最优执行框架扩展至多资产再平衡情形，并纳入共享资本限制。该框架约束每个交易时段的预期累计现金支出，因此执行计划必须在整个执行过程中保持可行，而不只是在终点满足条件。作者将问题表述为二次约束二次规划，并证明在温和条件下可将其表示为凸优化问题。…

本文通过加入数据驱动的重启机制，改进了回撤调节交易策略。据称，基础策略能够以概率一将最大百分比回撤控制在预设限值内。然而，实际运行中接近该限值可能使策略表现得像止损机制；如果之后价格回升或继续朝有利方向发展，交易者可能因此错失盈利机会。 所提出的重启机制旨在回撤压力出现后重新调整系统，使交易得以恢复，而不是一直处于实质上的停止状态。作者报告称，与原策略相比，该机制可能改善交易表现，包括交易成本非零时的表现。作者以涉及股票 ETF…

本研究提出了一个面向美国股票的多对统计套利框架，利用图聚类识别股票之间的关系。该框架结合量化方法、机器学习分类器和 Kelly 准则，旨在改善信号识别、风险管理以及对交易成本的适应能力。研究还测试了适用于日频交易的止盈和止损规则设定方法。 作者报告称，在假设的现实交易成本下，所有测试方法均优于各自对应的基准；表现最好的技术和参数组合取得了显著更优的绩效指标。作者也指出，结果对某些关键参数的变化较为敏感。本文没有说明股票、评估期间、具体基准、成本假设或敏感性范围，因此限制了独立评估，也无法据此判断测试设定之外的表现。

本研究介绍了一种自动化长波动率方法，通过交易跨式期权来实现长波动率敞口，而不预测价格会上涨还是下跌。该方法采用基于 Transformer 的双重深度 Q 网络，对时间序列输入和多个周期的信息使用注意力机制。其奖励设计强调较长时间范围内的超额收益，同时计入超过止损阈值的损失；在市场状况不确定时，阻力位也会提供额外参考。…

本文研究 Bertram 针对一对协整资产提出的最优策略，其价格差遵循 Ornstein–Uhlenbeck 过程。基本目标是最大化单位时间的预期利润。作者进一步在设定中加入单位时间利润波动率约束，以表示策略风险限制，例如监管机构施加的限制。…

本文分析交易速率面临凸成本时的风险分担均衡。在一个具有线性状态动态和外生波动率的无限期模型中，均衡收益围绕无摩擦情形下的收益波动。存在二次成本时，偏离遵循 Ornstein–Uhlenbeck 动态；存在比例成本时，偏离则遵循双重反射布朗运动。更一般的情形包含任意状态动态和内生波动率，会产生耦合的非线性前向后向系统。…

本文研究不完全市场中的最优投资与消费，其中偏好通过非线性 g-期望表示。交易策略受到一般性约束，因此投资者的选择既要满足限制，也要实现效用最大化。 所提出的 g-鞅方法将优化问题转化为二次倒向随机微分方程（BSDEs）。这些方程的解刻画了最优投资与消费策略，并针对不同效用函数给出显式解。现有说明未提供具体市场数据、数值结果或约束的详细形式，因此本文确立的是一个数学框架，而非实际表现的证据。

本文考察当前市场趋势能否帮助预测未来波动率和相关性。研究提出将趋势强度用作风险预测的输入，拓展了此前关于趋势强度与预期收益关系的研究。该方法使用当前趋势强度的二次函数，量化波动率和相关性如何随趋势变化。…

本研究分析 Black–Scholes 框架下的一种策略：按无风险利率借款，并持有股票多头，直到价格达到确定性障碍。研究推导贴现累计交易利润的期望值、方差和亏损概率的解析表达式。这些量既描述策略的平均结果，也反映其风险特征。 作者还推导了不存在统计套利的条件，该条件以对股票夏普比率的约束表示。作者报告称，使用蒙特卡洛模拟检验了理论结果。本文是在 Black–Scholes…

本文提出一个通用框架，用于根据历史指标推导最优交易策略。框架分别构建一项旨在最大化预期收益的策略和一项旨在最大化信息比率的策略。最大化预期收益的最优策略可以直接实施，也可以作为基准，用来评估基于同一指标构建的其他策略。这样，研究人员便能在该框架假设下，将拟议策略与理论最优方案进行比较。 本文报告称，当交易证券的收益接近零且相关性合理时，两种最优策略之间的表现差异在经济意义上较小。然而，当相关性趋近于一时，最大化预期收益的策略的信息比率趋近于…

本文介绍一种使用 v 变换对波动时间序列建模的方法，该变换将平稳序列边际分布的分位数与可预测波动率代理指标的分位数联系起来。将这些变换表示为 Copula 后，模型可以结合灵活的边际分布，以及一个单独控制波动动态的 Copula 过程。作者以高斯 ARMA Copula 过程说明这一框架，并使用针对 ARMA 模型改造的精确极大似然方法进行估计。 作者报告称，所得模型能够重现金融收益的若干风格化特征，并支持计算边际和条件量，包括基于分位数的风险指标。在比特币收益的实证应用中，该模型被描述为可与标准 GARCH…

本文评估两种用于交易的深度强化学习方法：Double Deep Q-Network 和 Proximal Policy Optimization。研究使用从 2019 到 2023 的日度数据，将其表现与买入并持有基准进行比较。涉及的资产包括三个货币对、标普 500 指数和比特币。…

本研究使用个人经纪账户数据，考察进入加密货币市场的人是否在寻求分散化，或表现出更广泛的风险偏好。研究比较投资者首次进行加密货币交易前后的股票交易行为，重点关注交易强度和杠杆。作者报告称，这些投资者开始交易加密货币时，也会在股票交易中承担更多风险。…

该框架将目标日期基金的投资目标与养老金设计要素联系起来，例如缴费率、工作年限、退休年龄和替代率目标。基金发起方不只是规定基于年龄的资产上限，而是设定逐步降低的投资组合层面条件风险价值约束，旨在让管理人有空间追求所需回报，同时控制风险。 评估并未假设管理人每月都会选择最优投资组合，而是抽取符合 CVaR…

本研究提出一种基于历史数据的系统化期权交易深度学习框架，将投资组合风险敏感度直接纳入训练目标。其目标函数结合以表现为导向的损失项，以及针对特定风险因子敞口的可微惩罚项。这样可促使学习到的投资组合满足选定的对冲约束，同时优化风险调整后收益，而无需依赖模拟市场动态来学习对冲策略。 该框架在纳斯达克100股票期权的静态 Delta…

论文质疑跨多个期限组合趋势信号是否总能提升分散化效果。研究使用贝叶斯优化为每种资产动态选择期限权重，再采用带换手控制的稀疏贝叶斯图模型进行跨资产配置。这与等权配置不同，后者假设每种资产都能从每个期限中同等受益。…

本文构建了一种市场模型，其中报价遵循一条非线性曲线，该曲线由代表性流动性供给者的效用无差异关系导出。供给者的效用通过 g-期望表示。由于交易会改变供给者的持仓，每笔交易都可能永久影响价格，因此交易者不能假设自己是价格接受者。因此，策略损益以非线性随机积分表示。…

本研究考察监督式自编码器在金融预测中的应用及其对交易策略表现的影响。研究将学习到的表征与分数阶差分特征、三重障碍标签结合，并测试训练时加入噪声是否会改变风险调整后收益。评估使用比特币、莱特币和以太坊数据，时间范围为2016至2022，并以夏普比率和信息比率衡量表现。…

该脚本根据用户选择的砖块大小构建传统Renko开盘价和收盘价序列，并将其绘制在常规K线图上。Renko收盘价上穿开盘价时做多，下穿时做空。每次入场都配有可配置跟踪距离的跟踪退出条件。交易条件还包括日期过滤，因此信号仅限于指定年和月之后的日期。…

该脚本结合威廉指标%R阈值交叉信号和200周期简单移动平均线过滤。当威廉指标%R向上穿越相对−50偏移的水平且收盘价高于均线时做多；当振荡指标向下穿越对应的偏移水平且收盘价低于均线时做空。用户输入还可设置振荡指标回看周期、阈值偏移以及止盈和止损距离。收盘价达到任一指定价位时平仓。…

该策略寻找内包线，即其高低点均处于前一根K线范围内的K线。策略根据前一根K线的方向确定交易方向：若为看涨K线，则在其最高价上方设置买入止损单；若为看跌K线，则在其最低价下方设置卖出止损单。入场、止损和止盈价位均以偏移前一根K线的区间来确定。仓位数量按可配置的权益比例除以入场价与止损价之间的距离计算，从而使持仓敞口与计划亏损距离相关。出现新的合格形态时，脚本会取消挂单并平掉现有持仓，然后更新价位。…

本文将时间序列动量解释为一种利用每种工具自身过去收益、而非在资产之间相互排名的策略。其核心信号是过去 12 个月超额收益的正负：为正则做多，为负则做空。示例范围涵盖大宗商品、货币、股票指数和政府债券期货。头寸按估计波动率的倒数缩放，并按月再平衡；原研究使用单变量 GARCH 模型，页面则指出历史波动率是更简单的替代方法。…