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。…

本文介绍一种股票交易系统，将指数移动平均线和 MACD 的趋势与动量信号，与 RSI 和布林带的均值回归信号结合。系统加入 FinBERT 对金融情绪的估计，使用 XGBoost 生成信号，并根据波动率和收益状况筛选信号或调整敞口。该设计旨在适应市场状态变化，以及传统趋势跟踪或均值回归方法可能难以应对的情形。 文中报告，在 24 个月期间，最终投资组合价值为 $235,492.83，初始投资收益率为 135.49%。文中还声称其表现优于标普 500 指数和…

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。…

本文提出一种框架，用于寻找金融时间序列中的短期形态，这些形态可能预示未来价格方向。该框架通过聚类历史样本并剔除较无用的形态，寻找高质量且互不重叠的形态。该方法以局部熵作为信息含量的近似指标：与历史走势明显偏向一方且局部熵较低相关的形态，被视为信息量更高。该方法还旨在保留买入和卖出形态的均衡代表性。 作者将该方法与 K…

该框架将已实现波动率指标与经 LSTM 增强的已实现 GARCH 模型结合，以共同刻画收益和已实现波动率。它使用序贯蒙特卡洛进行贝叶斯推断和预测，融合了金融计量经济学建模、高频数据与深度学习。研究评估了该框架在波动率预测、尾部风险预测和期权定价方面的表现，并以边际似然衡量模型拟合度。 实证分析涵盖 31 个交易活跃的股票指数，研究时段包括 COVID-19…

本文将带记忆的在线学习从专家设定扩展到一般在线凸优化。该设定对决策建模，其损失取决于一系列过去的行动，从而捕捉普通逐期优化可能遗漏的时间约束。论文提出两种算法，旨在针对损失包含记忆效应的对手实现低遗憾。 一种方法适用于 Lipschitz 连续损失，并据称在凸和强凸情形下均可达到最优遗憾界。另一种方法适用于更广泛的一类凸损失，无需 Lipschitz…

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。

本研究概述了将循环神经网络用于加密货币价格预测和交易策略开发的工作流程。研究以市场波动性以及循环模型表示时间序列数据模式的能力为方法提供依据。所述流程包括收集和预处理数据、优化模型，并利用模型预测为交易策略提供参考。 研究称使用回测评估盈利能力和风险，但未提供数据集详情、模型架构、交易规则、基准结果或预测准确率测量值。就目前的描述而言，这只是高层次的项目说明，信息不足以复现或评估该策略。回测结果也取决于数据和评估选择，而本文没有说明这些内容。

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。…

本文研究输入与收益之间的关系随时间变化时，神经网络如何进行预测。研究提出在线早停这一训练方法，旨在让模型跟踪不断演变的函数，而无需预先知道函数会如何变化。论文将该方法与现有方法用于美国股票月度收益预测进行比较，并报告称其预测表现更好。…

本研究使用非负张量分解（NTF）识别在线金融市场中不同时间尺度的交易活动模式。该方法先用合成数据演示，再应用于意大利 e-MID 在线市场的银行间交易。研究旨在揭示交易活动中的潜在模式，并区分交易行为包含正常交易、提前交易或闪电交易的银行群体。 作者还利用提取出的模式考察系统性扰动期间的市场活动变化，包括 2008…

本文介绍了通过分类市场状态来构建策略的方法，而非直接预测价格或收益。标签定义市场状态，移动平均线等市场特征则根据其区分这些标签的能力进行选择。不同的神经网络根据特征预测各个标签，并输出买入或卖出概率；这些建议经过线性组合，形成候选策略。…

本文考察直接将市场状况映射为投资组合权重的模型，能否优于传统跨资产期货策略。文章介绍了在十六种流动性较高的 CME 期货上训练这些策略，并使用可微分夏普比率作为目标，再与等权配置、风险平价和时间序列动量进行比较。这种设置省去了通常分别预测收益和优化配置的步骤。…

本文评估社交媒体情绪和关注度指标能否帮助预测十种加密货币的日对数收益。预测变量包括 Twitter 和 Reddit 情绪、Google Trends 指数及交易量。预测方法为经过 LASSO 正则化的向量自回归，并在从 2018 年 1 月至 2022 年 1 月的日度观测上进行递归 30 日预测。研究还将预测结果与基准进行比较，并使用后双重 LASSO 方法对高维 VAR 进行 Granger 因果分析。 报告的方向准确率超过 50%，相对于主要基准，平均方向准确率提高了…

本文介绍一种加密货币交易系统，将多个时间框架的趋势信息与预测短期价格方向的神经网络结合起来。系统把市场价格、链上指标和订单簿活动整合为买卖压力信号，以支持快速交易决策。所提方法使用统计建模连接不同时间跨度的信号，并指导高频执行。 本文声称该系统实现了正的风险调整后收益，并能以统计置信度在不到一秒内作出决策。然而，所提供的描述没有数据时期、资产清单、基准、详细表现指标或验证流程。因此，它概述了建模方法及其预期优势，但没有提供足够证据来评估结果的稳健程度，也无法判断其是否考虑了交易成本和市场条件变化。

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…

本研究将深度强化学习用于连续期货交易，考察离散和连续动作空间。研究在奖励函数中加入波动率缩放，使头寸规模能够随市场波动率调整。算法在 50 个流动性最高的期货合约上进行评估，覆盖 2011 至 2019，资产类别包括大宗商品、股票指数、固定收益和外汇。…

本文提出价格效用比率，用于比较比特币市场价格与基于区块链衡量的基本效用。作者运用货币理论和比特币的 UTXO 记账结构推导这一指标，再将其与现有的市场基本面代理指标进行比较。在比特币历史数据分析中，其他指标的短期预测能力有限，而据报告，所提比率对长期收益的预测效果更好。…

本文指出历史回放回测的一项局限：它们无法模拟市场对策略操作的反应。文章介绍多智能体模拟，以呈现采用不同策略的交易者之间的互动，从而在模拟市场中测试实验性交易智能体。实际难点在于，关于个体交易者的详细历史数据通常属于专有数据或无法获取，因此难以进行真实校准。 所提方法使用汇总历史数据训练条件生成对抗网络，创建一个合成的“世界”智能体，使其能够响应实验性智能体并生成订单。生成器集成于 ABIDES…

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。…

该方法结合外汇汇率预测与统计套利，并考虑观察价格到执行交易之间的延迟。第一阶段将汇率预测建模为离散时间时空图上的边级回归：货币是节点，汇率是边特征，利率则作为节点特征。这种结构旨在表示不同货币和利率之间的关系。 第二阶段将套利构建为随机优化问题。交易所及其影响关系组成的图支持风险调整后的投资组合决策，同时使用投影和 ReLU 根据预测模型的输出施加约束。作者报告称，预测的均方误差显著改善，套利的信息比率和 Sortino…

ClusterLOB 使用六个随时间变化的特征，对逐委托数据中的单个市场事件进行分组，并采用 K-means++ 聚类。研究将所得分组解释为方向性、机会型和做市型参与者，从而提供一种研究限价订单簿内不同交易行为的方法。…

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…

本研究使用交易数据考察 Uniswap V2 上的欺诈代币，分析其交易活动并识别疑似诈骗。检测方法结合基于关联的启发式规则与机器学习技术，旨在标记可能涉及跑路的代币、资金池及关联地址。研究还报告称，一些诈骗合约包含意在欺骗或限制用户的机制。 作者识别出一万多个疑似诈骗代币，并估计其数据集中约一半已上架代币属于诈骗。作者还报告了相互勾结的地址、潜在受害者和估算的诈骗利润。这些发现针对研究所分析的 Uniswap V2…