知识库

研究从交易角度比较金融市场与博彩市场，围绕平台、产品、流程、参与者和策略展开讨论。文章指出金融交易所与在线博彩平台存在相似之处，并将股票、期权等投机性金融产品与体育博彩作类比。该比较旨在探讨成熟的金融市场模型能否为博彩市场提供思路；作者认为博彩市场受到的研究较少。…

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。…

该研究提出一些方法，用于识别和衡量币安历史成交数据中的程序化交易活动。研究聚焦间接内部兑换：交易者通过中间币将一种币兑换成另一种币，并获得比直接兑换更有利的汇率。作者将这种活动归类为三角套利的子策略，并研究其盈利能力和风险，包括机器人降低损失的两种方式。…

本研究将商品期货建模为一个层级结构：底层资产构成一个层级，单个合约构成另一个层级。关系连接同一层级中的资产，跨层级联系则将合约与其标的市场相连。层次图学习模型利用这些关系，包括由合约到期时间决定的联系，预测期货价格走势并生成跨期价差头寸。论文还介绍了一种将模型预测转化为价差交易的方法。 作者通过分析论证，跨期价差相比仅做多策略可能具有更高的信息比率，以及更低的方差和 Delta。针对通过 CME Group…

论文研究基于协整的统计套利，并比较使用多个因子寻找候选股票投资组合的方法。研究评估了K均值聚类、对整个股票池应用图形套索，以及结合两者的混合方法。所报告结果显示，聚类优于单独使用图形套索，而混合方法表现更好。…

研究介绍了一种用于加密货币平台多变量配对交易的最优交易技术。该方法选择一组与加密货币关联的法定货币，并同时监控它们以寻找套利机会。为协调相互竞争的信号，该方法采用双目标凸优化，在盈利能力和风险偏好之间进行权衡，并可调整波动率惩罚和行动阈值。文中所述套利无需外部卖空，也无需在套利期间持有中间资产。 覆盖 2020 至 2022 年加密货币市场的实验（包括牛市阶段和熊市阶段）报告称，年化利润为 15.49%。附录中的其他实验将该方法应用于后 COVID…

本文介绍实时竞价（RTB），即在用户访问网站期间买卖单个展示广告曝光的方式。通过汇总发布商的广告库存并针对每次曝光作出决策，RTB支持自动化购买和面向特定用户的定向投放。 文章概述了计算广告领域的多个方向，包括用户响应预测、竞价环境预测、出价与收益优化、统计套利、动态定价和广告欺诈检测。这些主题将数据挖掘和机器学习与市场设计及自动化决策联系起来。本文是概述而非详细分析：没有提供算法、实证结果或交易市场应用，因此与量化交易的相关性较为间接。

本研究考察强化学习能否改进加密货币配对交易。配对交易是一种统计套利方法，通过交易相关资产之间的价格差获利。作者构建交易环境并训练智能体选择加密货币配对交易的时机和方式。他们还为学习任务设计奖励塑形以及观测和行动空间，旨在动态调整交易决策。 实验使用逐分钟的 BTC-GBP 和 BTC-EUR 数据。报告的传统配对交易年化利润为 8.33%，而受测强化学习智能体的年化利润介于 9.94% 至…

本文通过将收益定义为相对于特定市场状态的收益，拓展了统计套利概念；市场状态由诸如 σ-代数的信息系统表示。该框架将经典套利作为特例，也涵盖归于 Bondarenko 的统计套利概念。作者还提出广义盈利策略，其中可包括静态和半静态头寸。…

本文研究含潜在因子的模型中的最优控制问题，其中决策者选择的是行动分布，而非直接选择单一行动。研究在离散时间和连续时间设定中引入 Tsallis 熵作为探索状态空间的奖励。作者推导出具有 q-Gaussian 形式的最优状态分布，并通过相应设定下的前向–后向方程刻画其位置。 本文还考察由此得到的探索解与标准动态最优控制之间的关系。针对模型无关的方法，作者依据软 Q…

本文利用交易所市场数据研究加密货币和其他数字资产日收益横截面的因子模型。研究识别出一个似乎对加密资产收益有重要贡献的主导因子。文中还介绍了用于下载数据、计算风险因子和进行样本外回测的配套材料。 作者认为，只要能够高效执行并且可以卖空，加密资产横截面统计套利可能具有可行性。摘要未说明该因子的名称和构造方法，未报告回测指标，也未证实这一机会能否经受住成本和市场摩擦。因此，其实际意义在于提供一个研究线索，而非证明存在可部署的策略。

本文提出一种识别统计套利的优化方法，组合可以包含两个以上的资产。该方法将任务设定为寻找高波动率的投资组合，同时要求其价格保持在指定区间内并符合杠杆限制。该区间限定了价格路径的范围；此方法还将常见的固定区间设定扩展到区间中点随时间变化的情形。…

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…

本文研究函数生成投资组合，以及纳入额外有限变差过程后其行为如何变化。作者采用 Karatzas 和 Ruf 的框架，提出交易策略在何种条件下能在足够长的期限内确定性地跑赢市场，从而构成相对于市场的强套利。 作者利用光滑化方法和 Komlos 定理构造具有这一性质的一大类候选策略，并通过基于 S&P 500 股票的实证示例补充理论研究。现有描述未说明投资组合规则、样本期、基准详情或实证结果，因此无法证明这些策略计入交易成本后或实盘交易中的表现。其主要贡献是提供识别潜在相对套利的数学框架，而非可直接部署的交易系统。

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…

本文探讨统计套利的投资组合构建，目标是寻找收益或价差呈现强均值回归特征的投资组合。优化过程在均值回归强度指标、投资组合方差和投资预算约束之间进行平衡。与仅优化均值回归相比，这种表述更贴近实际设计问题，因为风险和资金使用也会影响最终投资组合。…

本文提出一种无模型强化学习方法，用于在结果通过动态凸风险度量评估时进行序贯优化。该方法采用时间一致的动态规划原理评估策略，并推导策略梯度更新规则以寻找更优策略。研究还提出使用神经网络的演员评论家方法来优化这些策略。 该方法在三项任务中进行演示：统计套利交易、金融对冲和机器人避障控制。这表明该框架应用于金融与非金融场景，但说明未提供表现数据、比较方法、市场假设或实施细节。因此，文本呈现了优化结构和应用范围，但未说明其交易效果和实际局限性的相关证据。

本研究考察大型交易者在有限时段内持续买入或卖出对少数者博弈市场冲击的影响。大额订单会改变市场环境并创造统计套利机会，促使其他交易者调整策略。分析将市场信息效率与执行大额订单的成本和持续性联系起来。…

本研究提出一种方法，用于识别中心化加密货币交易所现货交易记录中可能存在的单向套利（OWA）序列。公开数据缺少交易者身份或钱包地址，因此该方法从匿名交易中推断关联交易序列，让研究人员估算此类活动的发生频率、总交易量和利润。 该方法应用于 Binance 五年和 Kraken 九年的数据，在 Binance 上识别出数亿个可能的序列，在 Kraken…

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。

本文对异质主体之间的算法交易建模，这些主体无法直接观察潜在市场状态。主体通过滤波估计这些状态，并进行最优执行或统计套利交易。其行为会产生永久和暂时的价格冲击，使这一设定成为参与者相互作用的大型随机博弈。…