知识库

本研究介绍 SimStock，这一框架根据时间序列行为识别相似股票，而非仅依赖传统行业或地区标签。该方法结合自监督学习和时序领域泛化，构建旨在市场环境变化时仍然适用的表示。研究的出发点是，在市场非平稳且标准分类无法捕捉动态特征时，股票关系可能难以分类。…

本文提出一种自适应时序融合变换器方法，用于短期加密货币价格预测。为应对非平稳性和剧烈价格变化，研究将时间序列划分为长度可变的子序列，并以相对最大值作为结尾：即从此前最低点算起的涨幅超过某个阈值的点。此方法旨在标记有意义的上涨阶段，同时滤除部分噪声。一个片段末尾的固定长度模式决定下一个片段的类别，从而根据先前条件对后续价格路径分组。 研究为每个类别分别训练一个 TFT，根据下一片段的初始观察值预测其走势。实验使用 ETH-USDT 的十分钟数据，测试期为两个月。本文报告称，与固定长度的 TFT 和 LSTM…

本文提出使用生成对抗网络和长短期记忆网络创建合成历史价格路径，以评估交易策略。其前提是，因样本内表现强劲而选出的策略可能过拟合，因此也应在根据历史数据分布模型生成的价格路径上表现良好。 该方法先用 GAN-LSTM 模型拟合时间序列分布，再对生成的路径上的候选策略进行回测，作为检验过拟合的补充。本文将其作为一种方法提案，但没有提供实验结果、实施细节或与其他验证技术的比较。这是对一篇最初以中文撰写于 2018 的论文的翻译摘要；文中提醒，部分说法可能已经过时。

本研究比较金融数学和机器学习在连续时间、有限期限内对两种相互关联资产进行动态组合优化的方法。金融数学方法使用协整联动模型，旨在结合短期风险与长期均衡，而非依赖配对交易中常用的高相关性或协整关系。策略在均值-方差目标和幂效用目标之间动态切换；后者被表述为随机控制问题，并通过哈密顿-雅可比-贝尔曼方程和 Deep Galerkin 方法进行数值求解。…

本文介绍一种用于日内动量交易的隐状态方法。该方法将嘈杂的证券收益建模为潜在动量状态生成的观测，旨在避免数字滤波器在趋势反转时可能引入的滞后。研究通过交叉验证、惩罚似然准则和基于模拟的边际似然选择来评估隐状态数量；这些方法倾向于选择两个或三个状态。在离散化的单变量高斯发射模型下，参数使用 Baum-Welch 算法和马尔可夫链蒙特卡洛估计。…

本研究提出一种方法，用于估计个股所承受、但与相似股票不共享的风险对应的收益，即使底层风险因子未知。研究将每只股票的历史收益对其他股票的收益进行投影，构建同业复制组合。弹性网络生成稀疏的组合权重，个股与其同业组合之间的差异代表因子残差风险。该残差的预期收益称为统计套利风险溢价。 同业拟合 R…

本研究将 Momentum Transformer 架构应用于股票，并将其预期用途与时间序列动量和均值回归策略进行比较。模型结合注意力机制（可关联训练窗口内的信息）与 LSTM（用于处理序列模式）。作者称，这种组合能够捕捉更长期的依赖关系，并应对包括新冠疫情在内的市场状况变化。 报告的平均收益率为 4.14%，作者称其与早期论文的结果相近；平均夏普比率为…

研究将比特币的价值视为源自多种信息特征及其相互作用，包括去中心化、共识信任、密码学排序和社会叙事。研究用四项指标表示这些维度：价值储藏、自主性、社会信号价值和享乐情绪；随后使用贝叶斯线性模型，根据 2022 至 2025 的日度数据考察这些指标与次日收益之间的关系。…

论文使用机器学习方法预测加密货币指数及其九种成分加密货币的收盘价。文中称，研究比较了多种算法和模型，以找出表现最佳的方法，并将结果与相关研究进行比较。研究旨在分析波动市场中的价格变化，并探索其在交易和加密货币投资组合管理中的潜在用途。…

论文利用多重分形特性估计工具，研究比特币收益在多个时间尺度上的结构。文中指出，收益方差与时间增量之间遵循幂律关系，并以波动率和赫斯特指数表征。由于这些参数会随时间变化，作者引入广义赫斯特指数，以评估是否充分捕捉了多重分形特性。 作者利用局部幂律参数估计和拟合优度识别状态转换，并报告称该方法能自动检测与已知比特币市场事件相关的日期。论文还报告称，尽管价格大幅波动且非平稳，比特币在整个观察历史期间仍保有有序的相关结构。摘要没有提供样本日期、事件列表、参数估计或比较验证，因此这些结论仅适用于所分析的时期和所述方法。

论文提出 MRC-LSTM，该模型结合多尺度残差卷积模块和长短期记忆网络，用于预测比特币每日 USD 收盘价。一维卷积用于检测并融合多变量序列中不同时间尺度的特征，而 LSTM 用于学习较长期的依赖关系。输入包括比特币交易信息，以及宏观经济变量和投资者关注度等外部因素。…

研究预测德国日内连续市场中按小时划分的交易窗口价格分布，重点关注交割前最后三个小时。研究不只给出点预测，而是模拟价格轨迹并构建集合预测，以支持日内交易和再调度。价格差采用广义加性模型和零膨胀混合分布建模，该分布由零点处的点质量与 Student’s t 分布组成。研究使用带 Lasso 惩罚项的逻辑回归估计混合分量；预期价格变化和波动率则使用市场历史、无交易效应、到期时间以及负荷和可再生能源发电预测数据。…

本文概述了一个用于加密货币做市的深度强化学习框架，智能体在模拟交易环境中学习管理库存。该环境使用限价订单簿数据和订单流到达统计量表示市场观察。智能体采用策略梯度算法，前馈神经网络则用于近似其策略或价值函数。 实验比较了两种奖励函数，并使用每日和平均交易收益评估智能体与奖励函数的组合。作者将该框架描述为解决做市商所面临随机库存控制问题的一种方法。所提供的介绍没有说明具体算法、奖励定义、数据集或数值结果，因此无法据此判断其表现能否迁移到实盘市场或其他市场条件。

该研究提出一种使用深度强化学习进行加密货币日内投资组合交易的集成方法。该方法通过多个验证期选择候选模型，再通过混合分布组合选定策略，旨在提高高度随机市场环境中的泛化能力。 作者在细分的样本外测试期评估表现，并定期重新训练模型，以适应不断变化的金融数据。他们报告称，与单一深度强化学习策略和被动投资相比，该方法的样本外表现有所改善。本文未提供资产、成本、实现细节或收益提升幅度及其统计显著性的信息，因此仅凭报告中的比较无法证明其在实盘交易中的效果。

本文介绍两种估计信用评级迁移和违约概率的方法。第一种方法根据离散且可能不完整的观测估计连续时间马尔可夫链。该方法推导出更简洁的 Fisher 信息表达式，以减少计算 Wald 置信区间所需的计算量，随后介绍如何将转移生成矩阵中的不确定性传递至评级迁移概率和违约概率。 第二种方法使用连续观测数据构建自激励标记点过程，以捕捉评级动量这一非马尔可夫效应。与马尔可夫模型相比，该方法对投资级评级给出更高的违约概率，对部分投机级评级给出更低的违约概率；作者称这些结果与实证观察一致。文中使用 Moody’s…

本文介绍一种加密货币交易策略优化框架，将遗传算法与多个智能体之间的协作相结合。该框架旨在随着市场状况变化调整策略参数，并利用实时市场微观结构信息和策略表现反馈引导进化搜索。此方法针对作者提出的问题：传统静态参数优化不太适合波动剧烈、非平稳的市场。 报告中的评估涵盖三种加密货币，并发现总收益和风险调整指标均有统计显著的改善。摘录未指出具体资产、评估期间、基准、交易成本假设或验证设计。由于缺少这些信息，难以判断结果是否稳健，也难以确定报告中的收益能否在实盘交易中持续。

本文将配对交易视为一个联合决策问题，而非先选择资产对再进行交易的流程。作者认为，将这两个阶段分开可能会丢失有用信息：选择阶段可能忽视某个资产对是否适合有效交易，而交易智能体可能对选定资产过拟合，无法从更广泛的资产集合中学习。…

本文介绍一种用于设计市场费用的强化学习框架，并考虑交易者会根据费用调整策略。该框架联合学习费用方案和交易者策略，在盈利能力与不同交易者群体之间的明确公平性目标之间进行权衡。 作者在包含做市商和消费者投资者的模拟股票交易所中展示了该方法。在模拟中，调整分配给不同投资者群体的相对权重，会使学习得到的费用安排向权重较高的群体倾斜。该示例表明，公平性目标会与运营方收入和参与者利润一起影响市场定价。证据仅限于所述模拟；本文未报告真实市场测试，也未说明该框架在其他市场环境中的表现。

本文提出一种风险敏感型强化学习框架，智能体在其中优化时间一致的动态谱风险度量。该框架利用条件可诱导性构造严格一致的评分函数，并将其作为估计过程中的惩罚项。深度神经网络用于估计风险度量，作者还证明，这类度量可以由此类网络以任意精度逼近。…

本研究将标普500股票之间的残差相关性映射为高斯玻色采样的邻接矩阵。高斯玻色采样是一种用于采样稠密子图的光子量子方法。研究将两种经典聚类方法——谱聚类和SPONGE——与量子方法GBS Boost及所提出的GBS Roots进行比较。所得聚类用于构建动态、市场中性的统计套利组合，并采用滚动的一年期窗口。…

本文修改了Kyle知情交易框架，对知情交易者、噪声交易者和做市商之间的互动进行建模。知情交易者选择市价单规模，随后做市商根据合并后的订单流为资产定价。做市商的目标函数还纳入了与订单流和买卖价差相关的额外收入项。 作者推导出知情交易者收入最大化的交易，并给出均衡成立的充分条件，同时使用神经网络方法检验均衡是否成立。随着做市商收入项的权重变化，模型产生三种定价状态：无价差的线性规则、有价差的线性中间价，以及中间价为零且价差较大的亚稳态。这些是理论模型结果；说明中未提供实证市场检验，也未说明这些状态在多大范围内适用。

该研究使用基于专家的对抗式在线学习，为零成本投资组合策略选择参数，并将技术交易策略组合成综合投资组合。研究考察约翰内斯堡证券交易所的日线和日内策略集合，再使用无监督学习缩减并可视化其构成变化。分析还纳入交易成本和滑点，将表现与在线基准投资组合算法进行比较，并估计回测过拟合风险。…

该研究介绍一种机器学习分类方法，用于预测加密货币价格将上涨还是下跌。模型使用比特币历史收盘价数据进行训练，并纳入常见技术指标：移动平均收敛发散指标、相对强弱指标和布林带。该方法旨在提供方向判断，以辅助买入或卖出决策，而非预测具体价格。…

本文提出一种与模型无关的方法，从受观测白噪声干扰的高维时间序列中恢复低维动态。该方法假设潜在过程在低维线性动态子空间内演变，并刻画最能恢复该成分的线性投影。剩余误差则通过信号空间与噪声空间的相对方向进行几何描述。…