知识库

本文建立一个模型，其中经纪商与一位知情客户和一位非策略性的不知情客户互动。经纪商在公开交易所执行交易，价格冲击即时发生，随后呈指数衰减。知情交易者和经纪商在面临库存惩罚的情况下最大化预期财富；不知情交易者则随机发送买单和卖单。 作者通过求解一组耦合的前向—后向随机微分方程来刻画均衡交易策略，并给出了显式解。随后，他们考察信息、盈利能力和库存控制如何影响经纪商和知情交易者的策略。该研究是关于策略性交易和中介活动的理论模型，而非实证测试。结论取决于特定的信息结构、价格冲击动态、不知情交易者的随机订单流和库存惩罚设定。

本文构建连续双向拍卖的微观统计模型。连续双向拍卖是许多金融市场采用的订单撮合机制。模型假设随机订单流独立同分布，并通过模拟、量纲分析和平均场近似分析由此产生的市场行为。订单和撤单量、典型订单规模及最小报价单位等输入均可直接测量，因此模型无需自由参数。…

本研究使用 NYSE TAQ 数据，考察限价单、市价单和撤单如何影响 50 只美国股票的短期价格。研究聚焦最佳买价和卖价处的订单流失衡，将该处供需变化合并为衡量买卖压力的指标。分析发现，订单流失衡与价格变化呈线性关系，市场深度越大，价格冲击越小。…

本文从理论上解释动态双向拍卖为何能够推动价格趋向竞争均衡；此前实验室实验已记录到这一趋势。研究考察一个纯交换经济，其中参与者根据当前持仓和偏好所隐含的无差异价格提交报价。这一设定将拍卖过程中不断变化的报价和分配，与决定参与者交易意愿的经济条件联系起来。…

本文对两因子 Vasicek 利率模型中可能出现的期限结构形态进行分类。研究指出，正常、倒挂、驼峰、凹陷和先驼峰后凹陷等曲线形态始终可以实现，并发现某些参数区间还允许最多四种其他形态。结果涵盖收益率曲线和远期曲线，有助于理解模型假设如何转化为观测到的利率曲线形态。 分析强调，两因子之间的相关性及其均值回复速度差异，是决定哪些形态可能出现的关键因素。研究主要采用与 Karlin…

本文介绍一种估算知情交易者从信息中获得价值的方法。该方法用价格变化与订单流之间的协变关系作为衡量指标，并将其解释为噪声交易者的损失；在竞争性做市条件下，这些损失对应知情交易者的收益。该方法将观测到的交易活动与股票市场中信息的经济价值联系起来。 作者使用高频 US 股票数据，估算出年价值为 3.5 百万美元，总价值相当于市值的 0.04%。他们将其与投资者为寻求更高收益而支付的费用进行比较；根据对 French（2008）研究的延伸并截至 2024 年，该费用据报告为市值的…

本文介绍一种确定特定网络对任意输入响应的方法：先刻画网络对单调输入的响应。该方法适用于任何拓扑结构的网络，允许节点处于离散或连续状态，且不限制网络复杂度。它为高效数值计算和可能准确的解析近似提供了一种途径。 作者通过两个例子说明该框架：一个是物体间存在摩擦的准静态力学系统，另一个是动量交易会产生雪崩和临界行为的金融市场模型。节选未提供金融模型的具体方程、实证数据或验证结果，因此其交易相关性应理解为建模应用，而非可部署策略的证据。文中结论适用于指定的一类节点动力学。

本文提出用于连续时间金融模型的受调节随机时钟，以表示交易活动并刻画非对称和厚尾收益。该方法使用受重复平均启发的核函数，调整由 Lévy 次级过程或具有非负独立增量的更一般过程构成的时钟。调节参数控制调整程度，同时不减少交易次数，也不改变交易强度。 作者分析了拉普拉斯变换、特征三元组和累积量，这些分析可用于估计、期权校准和模拟。他们针对选定的跳扩散模型和截断稳定模型，建立了基于矩并采用剖面似然的估计程序，随后研究标普 500…

本研究考察交易网络中的交易者关系如何对应股票及其权证的市场行为。作者使用宝钢及其权证在所述研究期间的逐笔交易审计轨迹数据，将每个交易日划分为五分钟窗口，并为每个窗口构建一个网络。由此得到的序列包含超过 1,100 个网络。网络指标包括中心化程度、同配性和平均路径长度，旨在描述订单执行模式。…

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。…

本文介绍一项指标开发工作：应用数字信号处理将市场信号与噪声分离，以衡量趋势强度。文章将实际问题表述为判断趋势是否强到足以交易，以及识别趋势可能反转的时点。文中通过示例和真实市场数据展示了该指标，并据此评估基于波动率指数、归因于J. Welles Wilder Jr.的趋势跟踪算法的准确性和盈亏表现。

论文将加密货币交易中深度强化学习（DRL）的回测过拟合视为假设检验问题。论文训练DRL智能体，估计每个智能体过拟合的概率，并剔除被判定为过拟合的智能体。目标是减少历史测试带来的假阳性，并提高所选策略在回测之外取得良好表现的可能性。

本研究使用动态贝叶斯网络对基本面市盈率进行估计并加以形式化，而这类估计通常基于专家判断。推断出的PE比率旨在支持人工投资决策，或作为自动化交易系统的输入。作者为所提网络推导了前向—后向推断和期望最大化程序，并将其结构与对波动率的行为金融学解释联系起来。…

本文提出一种内在熵模型，用于估计股票市场指数的历史波动率。与仅使用每日开盘价、最高价、最低价和收盘价的估计方法不同，该方法还纳入成交量。该方法改编了早期的日内模型，将每日价格水平与分析期间当日成交量占总成交量的比例联系起来，并将该比例视为市场对相应价格水平的认可度。…

本文将无套利价格过程与统计实验中的滤波似然过程联系起来。文章说明如何通过统计检验来解释期权，并指出某些期权价格可以用检验效能表示。该框架将金融定价概念与勒卡姆发展出的似然理论方法联系起来。 作者概述了在某些情况下如何利用检验效能的变化推导Delta和Gamma交易策略，以及如何用统计推理离散地近似连续时间策略。文章还将伊藤型金融模型与基于风险函数的生存模型联系起来，并指出几何分数布朗运动的一个统计学对应形式。该文是对这些对应关系的概念性综述，没有提供实证表现结果，也不能证明推导出的策略在实践中能够盈利。

本文分析一个围绕移动平均线交易规则构建的股价动态模型。模型将价格混沌行为归因于趋势跟踪需求与逆向需求的相互作用，并描述了与发散、混沌和振荡相关的参数范围。据报告，该模型有无穷多个均衡点，且全部不稳定。分析还根据模型参数推导出李雅普诺夫指数，并研究即使价格处于混沌状态时收益波动率的表现。…

本研究通过实验考察可见的交易行为是否会影响加密货币市场后续活动。研究人员部署机器人，在217种加密货币上进行为期六个月的低成本交易，交易次数超过十万次。他们报告称，个人买入行为之后，买方活动短期内有所增加，增幅达到这些干预本身的数百倍。…

论文探讨投资者无法精确了解标的资产协方差结构时的投资组合选择问题。论文寻求一种策略，使其在适当的可容许协方差结构类别中稳健地实现渐近增长最大化。因此，研究重点是在不能将协方差估计视为已知的情况下如何选择投资。 作者使用全非线性椭圆算子的广义主特征值及其对应特征函数来刻画最优策略。在略微限制不受共同测度支配的概率测度集合后，作者确立了这一刻画结果。该文给出的是理论结果，而非实证表现证据：文中未指定资产范围、数值结果或实际估计程序，且结果取决于所述可容许性框架及对概率测度的限制。

论文研究用于含跳跃金融模型的多维非局部偏积分微分方程（PIDEs）。论文应用抽象半线性抛物方程理论，在贝塞尔势空间中证明解的存在性和唯一性，将此前的一维结果扩展到多维。分析涵盖一大类在零点附近和无穷远处满足增长条件的莱维测度。 在期权定价方面，论文考察标的资产遵循带跳跃莱维过程的布莱克—斯科尔斯模型。论文还研究一种一维非线性定价应用，其中位移函数可以取决于预先指定的大型投资者的股票交易策略。这些结果确立了该数学框架的适定性；文档没有给出数值定价比较或实证交易证据，所述应用也仅限于文中描述的模型设定。

文章提出一种基于核的方法，用于在均值方差目标下构建动态交易策略。该方法将策略表示为再生核希尔伯特空间中的函数，使决策可以依赖市场信号的历史，而不只是当前状态。这为资产动态或预测信号具有时间依赖性的投资组合问题提供了灵活方法。 该框架与基于签名的方法和经典马尔可夫方法进行了比较。在合成数据和市场数据示例中，据报告，当存在时间依赖性时，两种非马尔可夫方法的表现都显著更好。核特征可以选择随机化签名或神经网络层；该方法保留闭式解，无需依赖基于梯度的优化。摘录未说明数据集、指标，也未说明所报告收益的幅度和稳健性。

比特币-NG以一个关键区块和随后多个微区块构成每个纪元。其交易费分配规则会在当前和下一位领导者之间分配费用。文档指出，先前的激励分析忽略了更持久的对抗策略，以及出现高价值交易时改变挖矿行为的可能性。 文中提出贪婪挖矿策略，并将诚实矿工与攻击者之间的竞争建模为马尔可夫决策过程。分析考察了攻击者的额外奖励，以及该策略胜过诚实挖矿所需的算力条件。文中还描述了一项向后兼容的协议变更，用以提高传播因子阈值。模拟和实验据称表明比特币-NG易受攻击且不具激励相容性，但摘录未提供定量结果或实现细节。

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。

本文介绍 CausalReinforceNet 框架，旨在将因果分析纳入加密货币交易的强化学习决策。该框架将贝叶斯网络与动态贝叶斯网络方法同强化学习结合，力求帮助智能体在选择交易时推理市场关系。研究将这一框架应用于 Binance Coin、Ethereum、Litecoin、Ripple 和 Tether。 作者使用不同的强化学习算法构建两个智能体，并将其与买入并持有策略和基准 RL…

本文通过简化的金融示例、数学形式和概率图模型表示来介绍卡尔曼滤波。图模型视角将卡尔曼滤波与隐马尔可夫模型联系起来，并用于引出扩展卡尔曼滤波的推断方法。讨论还涉及这些模型如何表示金融市场中不断变化的动态。 在参数估计方面，作者提出以 CMA-ES…