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。…

本文将持续的买卖订单流视为市场状态变化的证据；大额订单被拆分并随时间执行时，就可能出现这种情况。论文提出一种贝叶斯在线变点检测方法，并结合得分驱动模型，允许序列相关性存在，也允许参数在各状态内变化。其目标是实时检测变化，并改善对订单流和价格冲击的预测。…

本文提出按股票市值排名而非公司身份来表示股票。其动机是，传统的基于名称的表示可能存在噪声且波动较大，使深度神经网络难以学习其中的模式。在排名空间中，股票按相对市值位置排列，为统计套利研究提供了市场行为的变换视角。…

本文研究波动率为随机过程且交易存在成本时欧式看涨期权的估值与对冲。研究分析了交易成本较小且波动率均值快速回归的极限情形，并推导出期权价格的渐近近似。其主要部分是经典Black–Scholes价格，另有一些项反映超出该基准模型的影响。 所述展开式中的修正项分别与小参数的平方根和小参数本身成正比。论文还在 Scott…

本研究将自然语言处理应用于中国分析师报告，使用定制的BERT模型将报告语气分类为正面、中性或负面。研究考察报告情绪是否有助于解释后续股票表现，包括超额收益、波动率和成交量。分析聚焦中国股票市场，并将报告语言视为可测量的市场信号。…

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。…

本文提出一种监管框架，将合法交易确认纳入区块链共识。作者认为，即使交易资产受特定司法管辖区规则约束，无需许可的共识协议通常也不会区分合法交易与非法交易。丝绸之路暗网市场的案例研究引出了这一问题。该框架设定了相关条件，使合法交易的吞吐量能够超过普通交易的吞吐量；普通交易中可能混有未知比例的合法和非法活动。…

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。…

本研究考察不同投资者群体在2003至2008年间如何交易诺基亚股票，并比较市场状况与新闻的作用。研究将收益和波动率视为内生因素，将每日新闻量和根据新闻得出的情绪指标视为外生因素。研究使用线性回归和偏相关分析，评估这些变量与不同投资者类别交易行为之间的关系。…

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。…

本研究考察布伦特、WTI和上海原油期货的配对交易扩展。研究指出，三个价格序列存在协整关系，并将由此形成的价差建模为均值回归过程，其状态由隐马尔可夫链控制。研究使用基于在线滤波的参数估计来实施并测试统计套利策略。…

本文探讨资产价格行为为何在约两个世纪里似乎变化不大。文章指出，历史证据显示曾出现价格大幅波动和市场无效的时期，随后简要回顾了趋势跟随的理论研究和神经学解释，并从概念层面说明这些模式为何可能跨时代持续存在。…

本文提出一个随机模型，描述趋势跟随者、反对者和无倾向者组成的人群中观点如何传播。强化机制影响智能体的选择，未观测到的趋势过程则塑造这些决策。该框架表示了观点形成中的放大、抵制和随机性。…

本文考察加密货币投资者基础的变化是否与其特质波动率变化相关。研究使用 subreddit 关注者数量的变化作为投资者基础变动的代理指标，再将该指标与加密货币特有波动率联系起来。分析还考察这种关系能否由其他市场特征解释，包括规模、动量、流动性和交易量。…

这项研究测试了深度强化学习作为执行层，用于波动较大的加密货币市场中的配对交易。其框架先筛选并排列候选配对，再使用带有长短期记忆层的近端策略优化智能体做出执行决策。固定风险、自适应均值的设计和确定性风险控制约束该智能体，旨在降低偏离风险。评估使用 Binance 每小时USD-M期货数据，并将学习得到的策略与启发式基线进行比较。…

本文提出一种生成式预训练 Transformer，将金融时间序列建模为订单消息序列。该模型在离散事件模拟器中充当订单生成引擎，旨在复现限价订单簿动态并支持交互式市场模拟。它被设计为逐步生成长序列，即使原始订单流提示已移出其上下文窗口后也能继续生成。…

这项研究考察SPY期权的高频策略，使用一个月内收集的五分钟频率观测数据。研究计算期权希腊值和隐含波动率，使用二叉树为美式期权定价，并用 Newton–Raphson 方法估算隐含波动率。随后，研究根据波动率和希腊值指标构建投资范围，并比较多种投资组合优化方法，包括均值方差方法和稳健方法。 报告的研究结果显示，聚焦隐含波动率和希腊值的基础多空方法总体表现不佳。结合更多希腊值敞口（包括 Vega 和…

本文介绍一种基于智能体的逐笔价格形成模型。每个智能体的买卖订单遵循相互激励的 Hawkes 过程，而平均场交互将不同智能体的活动联系起来，并产生相关的订单量。这种交互旨在表示市场订单流中的羊群效应和传染效应等影响。…

本文扩展了潜在订单簿市场冲击模型，允许智能体表现出市场中常见的均值回归行为。它采用平均场假设研究由此产生的订单簿动态，即用订单簿的平均密度表示整个订单簿。分析考察价格冲击的发展过程，并推导出一类灵活的解，旨在支持使用市场数据进行校准。 论文提供理论分析和数值结果，包括完整订单簿的模拟方案。它没有提供闭式解，摘录也没有说明实证校准结果，或证明该模型能改善交易表现。其贡献在于扩展模型，并提供一种研究冲击动态的方法；实际价值取决于是否能根据真实市场观察结果进行校准。

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。…

本文比较了两种描述已执行订单如何影响价格的线性方法。瞬时冲击模型通过传播函数对过去的市价单方向加权；历史依赖冲击模型则将价格变化与观察到的订单方向和其预期值之间的差距联系起来，并将这种影响视为永久性的。作者认为，两种模型还都应考虑过去收益。…

本文研究日本股市的信息差距，并探讨传统统计套利研究之外的投资者能否从公开网络资料中找到有用信号。该方法分析大量博客数据，再建立基于信息的模型，以复现所提出的交易策略并估算信息差距的大小。 本文报告了市场无效的证据，并将该模型作为量化这种无效性的方法。摘录没有说明交易规则、博客来源、样本期、表现指标或交易成本假设，因此不足以评估该策略能否在实盘交易中持续盈利，或能否推广到所研究市场之外。

本文报告了两项研究，考察以加密货币奖励作为附带赠礼提供给慈善捐赠者的情况。第一项研究分析乌克兰政府接受 Bitcoin 和 Ethereum 捐款的募款活动。在提供加密货币奖励时，Ethereum 的每小时捐款笔数增幅高于 Bitcoin，而捐款金额降幅也更大。作者认为，Ethereum 上奖励的可获得性更高，可能有助于解释这一差异。…

这项实证研究使用重构了逾一百万笔大额订单的数据，考察 Bitcoin/USD 市场冲击。研究检验了冲击与订单规模之间的平方根关系，发现尽管统计套利和做市活动较少，该模式仍在四个数量级范围内成立。 分析发现，平方根冲击描述的是大额订单的整个执行过程，而不只是最终成交价格。研究还将订单流分为估算的知情和非知情部分；非知情部分与冲击几乎完全的长期衰减相关。作者据此评估市场冲击模型的预测，并提出异质主体模型或可解释观察到的动态。证据仅涉及一个比特币交易所市场，本文没有证明同样的行为普遍适用于其他资产或交易场所。