知识库

本研究将自然语言处理应用于中国分析师报告，使用定制的BERT模型将报告语气分类为正面、中性或负面。研究考察报告情绪是否有助于解释后续股票表现，包括超额收益、波动率和成交量。分析聚焦中国股票市场，并将报告语言视为可测量的市场信号。…

本研究考察不同投资者群体在2003至2008年间如何交易诺基亚股票，并比较市场状况与新闻的作用。研究将收益和波动率视为内生因素，将每日新闻量和根据新闻得出的情绪指标视为外生因素。研究使用线性回归和偏相关分析，评估这些变量与不同投资者类别交易行为之间的关系。…

本文考察加密货币投资者基础的变化是否与其特质波动率变化相关。研究使用 subreddit 关注者数量的变化作为投资者基础变动的代理指标，再将该指标与加密货币特有波动率联系起来。分析还考察这种关系能否由其他市场特征解释，包括规模、动量、流动性和交易量。…

本文研究日本股市的信息差距，并探讨传统统计套利研究之外的投资者能否从公开网络资料中找到有用信号。该方法分析大量博客数据，再建立基于信息的模型，以复现所提出的交易策略并估算信息差距的大小。 本文报告了市场无效的证据，并将该模型作为量化这种无效性的方法。摘录没有说明交易规则、博客来源、样本期、表现指标或交易成本假设，因此不足以评估该策略能否在实盘交易中持续盈利，或能否推广到所研究市场之外。

本文报告了两项研究，考察以加密货币奖励作为附带赠礼提供给慈善捐赠者的情况。第一项研究分析乌克兰政府接受 Bitcoin 和 Ethereum 捐款的募款活动。在提供加密货币奖励时，Ethereum 的每小时捐款笔数增幅高于 Bitcoin，而捐款金额降幅也更大。作者认为，Ethereum 上奖励的可获得性更高，可能有助于解释这一差异。…

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…

本文介绍 CryptoTrade，这是一种基于大型语言模型构建的加密货币交易智能体。其方法结合链上信息（作者认为这类信息透明且不可篡改）和新闻等链下信号，后者可以提供及时背景。反思机制会回顾早前决策的结果，为智能体每日交易决策提供参考，使其能够纳入交易反馈，而不只依赖传统时间序列基准。 作者报告了涵盖多种加密货币和市场状况的实验，并声称 CryptoTrade…

该研究考察新闻和社交媒体文本与金融及区块链数据结合后，能否改善比特币和以太坊价格预测。研究比较了预训练和微调语言模型与基于词典的情绪分析方法，并使用BART MNLI零样本分类识别看涨或看跌内容。预测目标包括局部价格极值和日度走势；选择这些目标旨在降低交易频率和投资组合波动。…

本文探讨为何能力更强的大语言模型有时在加密货币交易中的表现不如较弱模型。文中认为，部分原因是较强模型倾向于优先采用事实信息，而非主观解读。提出的FS-ReasoningAgent框架将推理拆分为事实和主观两部分，使交易决策能够结合这两类输入。…

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。…

本文提出一种预测比特币短期价格方向的模型，将小时级价格和成交量特征与 Reddit 情绪结合。滚动波动率指标将每条观测标记为稳定或波动状态，训练得到的门控机制则调整情绪与价格信息的相对权重：波动状态下赋予情绪更高权重，稳定状态下则更重视价格动态。研究将该方法与仅使用价格、仅使用情绪和静态融合模型进行比较，预测时距为三小时和六小时，并报告了各组成部分的消融分析。…

本文扩展了集体行为阈值模型，纳入代表趋势跟随者的全局节点。在标准的局部级联中，节点会因邻居而激活；在扩展模型中，部分节点也会响应已激活节点的总体比例。该模型考察了行为在网络中传播时，局部影响与群体整体趋势如何相互作用。…

本文提出一种结合技术信号与新闻情绪的动态加密货币投资组合方法。该方法使用14日相对强弱指数和简单移动平均线表示动量，由VADER分析新闻情绪，并使用Google Gemini进行验证。组合信号用于受约束均值—方差优化框架中的预期收益估计。…

本研究介绍一种结合金融新闻情绪、技术指标和时间序列预测的交易方法。研究使用GPT-2和FinBERT进行情绪分析，将所得信号与动量和趋势指标结合，并将相关策略与ARIMA和ETS模型及买入并持有基准一同评估。表现根据资产价值和收益衡量。…

本文提出一个实验框架，用于检验大型语言模型能否从中文财经新闻中提取有用的情绪信号。研究将三种模型应用于公司相关新闻摘要，这些模型分别代表了提升模型性能的不同方法。研究将得到的情绪指标视为候选量化因子，把文本分析与投资组合决策联系起来，而不只是评估语言输出本身。…

本文考察 Twitter 推广与加密货币拉高出货事件之间的关系。研究分析异常收益、交易量和推文活动，以评估推广如何吸引人们关注此类操作，以及事件前后的市场行为如何变化。摘要报告称，拉高出货发生前已出现异常收益效应，说明价格变动可能早于事件本身。 研究还根据参与者依赖 Twitter…

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。…

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…

本研究使用广义自回归条件异方差方法，对比特币分钟级收益率波动率建模。研究将 GARCH 系列变体所代表的历史收益率与波动率，同分布混合假说结合起来：市场信息流有助于解释收益率动态。与比特币相关的推文和交易量作为外部信息信号。 论文检验这些信号是否能改善波动率预测，并使用样本外统计检验比较不同模型变体。在这项评估中，加入外部信号后，最简单的 GARCH(1,1)…

本研究通过实地实验室实验，考察人们如何判断金融市场会上涨还是下跌。志愿者收到基于全球指数真实数据的受控金融信息，并多次预测市场方向。研究者分析这些决策中的行为模式，并报告了两种反复出现的策略：模仿市场和赢则留、输则换；其中模仿更为普遍。…

本文介绍一套通用流程，用于设计、实施和评估股票与加密货币市场中的算法交易策略。文章以四种策略为例：移动平均线交叉、成交量加权执行、基于情绪的交易和统计套利。其目标是使策略开发和比较更加系统化，并通过面向对象的实现支持后续研究和实际应用。 摘要介绍了流程和示例策略，但未提供表现结果、数据集、评估指标或实现细节。因此，摘要说明了框架的组织方式，但不能据此判断哪种方法效果最好，也不能证明任何策略能够盈利。讨论也未具体涉及交易成本、市场环境或风险控制，因此读者还需要更多证据才能判断其现实适用性。