知识库

本文针对使用历史数据有限的资产训练横截面策略时可能出现的过拟合问题，提出融合编码器网络。该网络将源数据集上训练的编码器注意力模块所形成的表示，与一个专注于较小目标数据集的独立模块相结合。共享并融合信息旨在提升泛化能力；自注意力则在训练和推理时对金融工具之间的相互作用进行建模。…

本研究使用历史价格和技术指标，对比特币、以太坊和莱特币的短期走势进行分类。研究比较各类分类方法识别一小时内上涨和下跌走势的能力，并报告正预测值和负预测值方面的表现。随后，研究将预测映射为交易决策，并使用旨在模拟交易条件的回测器评估这些决策。…

本文利用汇总后的标普500高频收益率的缩放特性，构建鞅随机模型。该模型旨在复现早盘时段的条件期望，之后扩展到午盘交易。模型预测会生成日内趋势跟踪信号；这些信号来自模型，而非图表形态。所提策略试图利用标普数据中存在、但模型中不存在的线性相关性。…

本研究检验COVID-19健康指标是否能为比特币收益预测增加预测价值。研究比较了使用和未使用疫情相关特征（包括疫苗接种、住院和检测指标）训练的LightGBM回归模型。遗传算法通过31次独立运行优化模型；研究使用重叠分析和Mann–Whitney U检验比较R²、RMSE和MAE的分布。研究还使用置换特征重要性评估各输入变量的贡献。…

EverMine 是一个框架，用于测试研究智能体在长期阿尔法发现过程中累积可复用技能、工具和规则后是否会有所改进。它通过研究历史、当前因子投资组合和累积能力来表示研究状态。资源匹配实验比较固定能力与不断演化的能力；其他分支实验则在保持研究历史和投资组合状态不变的同时替换能力。研究还通过历史状态回放，考察基于经验的候选选择如何影响投资组合结果。…

这项研究针对高风险场景提出一种强化学习投资组合管理器。它结合双向交易与借贷，使用损益作为奖励，旨在改善下行风险管理和资金使用。其实现将软演员评论家智能体与卷积网络和多头注意力结合起来。投资组合包含通过永续期货交易的加密资产，使用USDT进行借贷，并根据近期市场数据定期再平衡。…

论文提出一种系统化投资方法，旨在通过一系列短期ETF买入决策实现较长期的财富积累。该方法将进化算法与深度学习模型结合，以改进相较于传统每日定投的投入时机。其目标是随着时间调整买入决策，而不是在每个预定日期都采用相同的投资方式。…

本文介绍一种实证方法，通过向前求解 Black–Scholes 方程来预测期权价格。由于该问题不适定，方法采用正则化；研究提出了关于唯一性、稳定性和收敛性的定理。研究使用单个期权的历史数据，实证分析涵盖大量期权和 Russell 2000 指数。 作者报告称，将该方法与交易策略结合后，利润高于简单外推；对计算所得极小值应用机器学习，通过过滤交易进一步提高了盈利能力。证据来自针对这一特定历史期权样本的实验。本文在此未提供交易成本、样本外稳健性、风险或具体交易规则的细节，因此所报告的盈利能力不应被视为实盘表现的证明。

本文提出一个设计和比较趋势跟踪系统的框架，涵盖欧式、美式和时间序列动量方法。对于欧式系统，研究推导了损益、自相关与波动率标准化收益漂移之间的关系。使用分数阶 ARFIMA 过程的分析表明，即使短期收益呈均值回归，长期正自相关仍可能支持盈利。从频域角度看，只要低频谱能量足够强，趋势跟踪就可能受益；漂移也可能有助于延长回看周期。…

本研究检验深度强化学习能否在易于描述但数学上具有挑战性的环境中求得最优交易策略。作者重点研究深度确定性策略梯度，这是一种通过与环境交互来学习行动选择策略的方法。他们选择了最优策略已知或近似已知的场景，因此可以将学习到的行为和奖励与参考解进行比较。…

本文将通用投资组合理论扩展到恒定再平衡策略之外。它研究双线性策略，其最终增长分别对连续两个时期的市场收益向量呈线性关系，并将其与事后选出的最佳同类策略进行比较。该方法借鉴 Cover 的通用投资组合方法，按表现加权平均，在事先不知道哪种双线性策略表现最佳的情况下构建投资组合。…

AdaptiveTrend 是一种系统化加密货币策略，将六小时周期的趋势信号与每月一次的投资组合更新相结合。它采用按波动率调整的移动止损，通过滚动夏普比率和市值筛选资产，并在多头与空头头寸之间非对称地分配资金。作者以市场历史上的正向漂移为做多倾向提供依据，并将该系统描述为一种随波动率和资产表现变化而调整敞口的方法。 本文报告了对超过 150 个加密货币交易对进行的样本外回测，涵盖 36 个月，时间从 2022 年至 2024 年。年化夏普比率为 2.41，最大回撤为 -12.7%，卡玛比率为…

CTBench是一项用于评估加密货币合成时间序列的基准测试，其设计考虑了市场持续交易、高波动率和状态快速变化等特点。该基准汇集了452种代币的数据，在四种市场状态下评估八种有代表性的生成模型。其13项指标涵盖预测准确度、横截面排名、交易结果、风险和计算成本。…

这项实证研究评估旨在利用均值回复的在线组合策略，在基准数据集之外是否表现良好。研究考察三种方法：被动积极均值回复、在线移动平均线回复和交易成本优化。研究人员使用2000至2017年的标普500成分股历史价格及已有基准数据集，探究这些策略为何在常用测试中看似特别成功，以及它们在较新的市场数据上是否也有效。…

文档考察加密永续期货能否应用于结算为零或一的二元事件合约。研究推导出一个终值权益问题：如果杠杆多头仓位一直持有到不利的零结算，账户最终可能低于初始抵押品，无论结算前的标记价格如何。文档还描述了资金费率的三难困境：仅与基差挂钩的资金费率在临近结算边界时会失去作用；统一的相对基差调整则可能要求支付无上限的资金，并威胁支付方的偿付能力或参与意愿。…

本文将订单流数据快照编码为图像，以预测比特币短期已实现波动率。研究将交易规模、方向和限价订单簿信息映射至颜色通道，再用于训练三层卷积神经网络、ResNet-18和ConvMixer。研究还测试加入人工构造特征，并将基于图像的模型与GARCH、在原始数据上训练的多层感知机以及基于当前波动率的朴素预测进行比较。…

本文针对普通蒙特卡洛方差可能较高的两种情形，开发了在Heston随机波动率模型下为欧式看涨期权定价的重要性抽样方案：极短期限和深度虚值行权价。研究利用对数价格累积量生成函数的大偏差分析，构造依赖状态的测度变换，旨在提高模拟中稀有定价事件出现的可能性。…

本研究比较了十三种统计和机器学习模型，用于识别比特币限价订单簿数据中的异常观测值。研究在统一框架中评估这些模型，旨在实现实时异常检测，并可能用于分析操纵性交易行为。据报告，表现最强的模型是经验协方差；研究称，该模型在回测中优于买入并持有基准。 证据来自某大型交易所的26,204条记录。作者讨论了模型复杂度、交易频率和表现之间的权衡，并将异常值检测视为交易和风险管理的潜在输入。文段很少提及数据时段、交易成本、基准构建、模型设定或验证流程，因此不应假定所报告的收益能推广到其他交易场所或市场环境。

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。

DeepUnifiedMom 是一种投资组合构建框架，将多个时间跨度的时间序列动量信号结合起来。它采用多任务学习和多门控专家混合架构构建统一投资组合，旨在捕捉较窄时间框架的策略可能遗漏的动量行为。 文档报告了涵盖股票指数、固定收益、外汇和大宗商品的回测，并称该框架扣除交易成本后优于基准模型。所提供的描述没有具体表现数据、基准定义、样本期或风险控制细节。因此难以评估其稳健性、对常见动量风险的敞口或实盘交易可行性；报告的结果应视为回测主张，而非未来收益的证据。

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…

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…

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。