知识库

本文提出一种数值方法，用于模拟平方根过程并保持非负性。其核心步骤是先模拟积分过程，再利用该量构造过程本身的模拟方案。该方法应用于积分平方根过程和 Heston 模型；后者使用平方根过程表示随机方差。…

本研究将两种机器学习模型 LightGBM 和 LSTM，与两种比特币指标策略进行比较：指数移动平均线交叉策略，以及结合 MACD 和 ADX 的策略。研究结合 2024 年 1 月首批比特币现货交易所交易基金获美国监管批准的背景进行比较。研究旨在评估这些信号在比特币交易中的表现。 本文报告称，在所考察期间，LSTM 策略不到一年取得约 65.23%…

本文检验对市场冲击平方根定律的解释。该定律描述冲击如何随大额订单规模相对于成交量的比例增长。研究将三种预测与一个包含异质交互主体的最简限价订单簿模型结果进行比较。模型以东京证券交易所基准校准，并在 2,000 只独立设定参数的股票上进行模拟；其平均冲击指数接近基准值。…

该文提出一种协整自回归模型，用于观测值为矩阵的时间序列。其协整关系为双线性形式，表示行与列两个维度的结构。这种建模方式旨在保留矩阵组织结构，并支持普通协整不易直接捕捉的解读。作者介绍了协整向量及其他模型参数的最小二乘估计和极大似然估计，并推导了存在趋势时的渐近分布。 所述证据包括将该方法与传统方法进行比较的模拟，以及一项 Fama-French…

论文为定期重新训练的预测系统提出一种部署策略：继续运行现有模型，同时让经过预热重拟合的候选模型在服务链路之外运行；随后在同一个后续周的延迟标签上比较两者。只有当候选模型的负对数似然达到固定的配对优势门槛时，才会替换现有模型。该策略旨在避免按日历自动切换模型，因为新拟合的模型可能不如持续学习的现有模型。 在 Binance…

论文认为，交易策略可以利用自身的历史交易信息来决定是否执行新订单，从而改善结果。论文将这种条件判断视为获得统计优势的必要条件，并声称，对于忽略自身交易历史的策略，在一般条件下可以构造一个改进策略，系统性地改善损益。 作者通过决策机制将这一观点形式化，并报告了模拟和真实交易证据，作为验证和说明。所提供的描述没有说明机制细节、具体假设，也没有给出证据背后的设置和测量方法。因此，它传达的是一个宽泛原则，信息不足以评估其实施方式、成本，或所声称的改进在特定市场中的稳健性。

MARKET-BENCH 评估大语言模型能否将自然语言策略描述和市场假设转化为可执行的回测程序。任务包括 Microsoft 的定时交易、Coca-Cola 与 Pepsi 的配对交易，以及 Microsoft 的 delta 对冲。该基准将生成的损益、回撤和持仓路径与参考实现进行比较，同时衡量模型的回测能否运行，以及结果与参考实现的吻合程度。 对十三个模型进行的多轮评估发现，大多数模型都能可靠地执行最简单的策略，但不同模型和任务之间的数值误差差异显著。论文报告了若干模型的良好结果，包括 GPT-5.2…

本文提出使用软演员评论家（SAC）和深度确定性策略梯度（DDPG）管理加密货币投资组合。智能体在模拟环境中利用历史市场数据学习连续交易操作，调整投资组合权重，以寻求累积收益，同时考虑下行风险和交易成本。SAC 使用熵正则化目标；论文认为，这有助于其在噪声较大的环境中保持更高稳定性。 在多种加密货币上的实验报告称，两种智能体的表现均优于等权和均值方差投资组合基准，且 SAC 比 DDPG…

报告考察了内部柱线强度（IBS）作为交易一篮子国家交易所交易基金的短期信号。该策略采用均值回归思路：利用历史ETF价格和IBS识别潜在的短期价格走势，再根据信号进行交易。 文档介绍了一项基于十年历史数据的量化研究，并报告称，IBS可能有助于预测ETF篮子的短期走势。文中没有说明IBS的计算方法、入场或离场规则、风险控制、具体交易所交易基金、基准比较或实测表现。因此，这段简要介绍支持该指标具有潜在用途，但并未证明该策略在扣除成本后，或在其他样本和市场条件下仍能盈利。

该文提出了一套基准，用于评估预测市场中的算法交易智能体和语言模型交易智能体。研究根据订单簿更新、交易、合约生命周期事件和结算信息构建历史片段，再以确定性方式回放，使策略面对一致的市场条件序列。智能体接口允许传统算法和使用工具的语言模型与模拟环境交互。…

这项研究将深度强化学习用于外汇交易，把交易选择建模为一系列决策，而非依赖直接的价格预测。研究将 Sure-Fire 统计套利策略调整为三种可能的操作，并把连续价格历史转换为格拉米角场图像。作者使用 EUR/USD、GBP/USD 和 AUD/USD 的四小时级数据，对比深度 Q 学习与近端策略优化。 训练使用 1 August 至 30 November 2018 的数据，测试期为 December…

这项研究提出了一套流程，用于从九只股票之间的关系中寻找方向性交易信号。首先，研究使用高斯混合模型，根据历史中间区间波动率对股票分组；随后通过格兰杰因果检验、自定义的 PCMCI 程序和有效转移熵检验预测关系。研究还使用动态时间规整和 K 近邻分类器估计信号可能适合交易的滞后期。最终策略通过回测进行评估。 在 8 June 至 12 August 2023 期间，报告的投资组合收益率为 15.38%，而买入并持有为 10.39%。论文还报告，夏普比率最高达到 2.17，部分股票对的胜率最高为…

这项研究比较量子机器学习、经典机器学习、量子经典混合方法和 Transformer 模型在自动做市商及去中心化金融交易策略中的应用。研究报告了多个加密资产和十种模型变体的回测结果，包括随机森林、梯度提升、逻辑回归、若干量子分类器和混合序列模型。研究旨在评估量子方法在这一交易场景中是否有增益。…

这项研究复现了一种深度学习统计套利方法，用于交易资产定价因子模型的残差。研究使用 2016 至 2024 年的美国股票数据，将原方法应用于较新的样本外时期。研究流程沿用早期研究的数据预处理和因子建模方法，并使用卷积神经网络和 Transformer。作者称，他们采用了时点数据处理实践来避免信息泄漏。 部分测试的样本外夏普比率异常高，有时超过…

本文提出一种以反馈控制问题为框架的通用配对交易算法。交易者可以选择一大类价差函数，并随价差变化动态调整投资水平。该方法不依赖对股票价格过程和价差形式的严格假设，而是在价差与价格过程共同满足均值回归条件时，将一对资产定义为可交易。在这些情况下，作者证明该算法能带来正的预期账户增长。…

这项研究测试了一种基于平滑趋势和动量状态变量构建的黄金期货策略。滚动前向流程用十年数据训练，并在 2015–2025 期间依次测试连续六个月。信号通过波动率目标、经冲击调整的分数凯利仓位规模以及基于 ATR 的退出规则转化为持仓，并计入交易成本和市场冲击。 文中报告了较强的样本外表现、较低的报告回撤、与现货黄金接近于零的贝塔以及正阿尔法。文中还引用自助法区间、SPA…

本文介绍GT-Score，一种用于优化数据驱动交易策略的综合目标函数。它结合表现、统计显著性、一致性和下行风险指标，旨在减少对历史数据过度拟合的选择。其研究动机是，重复测试可能产生虚假模式，而且当收益不服从正态分布时，常见统计推断可能并不可靠。…

本文介绍可视图相对强弱指数，这是一种基于价格的指标，由工具价格序列中的反向可视关系构建。指标范围为零至100，并用于自动交易策略生成信号。评估采用滚动设计，优化窗口为30天，测试窗口为7天，测试对象包括道琼斯工业平均指数、EUR/USD以及以US美元计价的黄金，覆盖2024至2025年。…

本文研究能否预测苹果公司股票的日内价格过度反应，并将其作为动量信号进行交易。研究结合波动率标准化收益与从推特消息中提取的情绪特征，根据同期波动率和交易成本界定过度反应，并将预测设为三分类任务。测试方法包括树模型、神经网络和双向长短期记忆网络，覆盖多种日内采样频率。…

本文研究CryptoQuant信号（包括链上数据、交易所数据和矿工数据）以及巨鲸警报帖文能否帮助预测次日比特币波动率，尤其是极端飙升。研究提出Synthesizer Transformer预测模型，并将其表现与现有方法进行比较。作者报告称，使用这些数据源时，该模型对极端波动率的预测表现更好，但说明未提供样本期、资产市场细节或数值比较结果。…

本文介绍FutureQuant，一种用于期货市场的Transformer模型，借助注意力机制处理复杂输入，包括实时限价订单簿数据。该模型并非预测单一的未来价格，而是尝试估计可能价格范围及其波动率，并将分布预测作为交易决策和风险管理的参考信息。…

本文提出一种无模型强化学习框架，用于在金融资产之间重新配置投资组合。其组成部分包括独立评估器集成、对先前组合权重的记忆、在线随机批量学习，以及显式奖励函数。该框架采用卷积神经网络、循环神经网络和长短期记忆神经网络实现。…

PPO-HRAP 将近端策略优化与根据市场状态得出的目标敞口结合。其策略观察市场特征和投资组合状态，然后将学习所得动作与市场状态目标相结合。奖励函数考虑投资组合对数收益、以 VIX 为条件的回撤增加、相对目标敞口的偏离以及换手成本。该设计旨在兼顾参与收益和控制回撤，解决以盈利为导向的策略倾向于保持高仓位，以及过重风险惩罚可能使策略过于谨慎的问题。…

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…