知识库

本研究考察主动调整资金配置的流动性提供者与保持资金不动者之间的收益差异。研究提出两种估算被动表现的方法：一种识别短暂的流动性头寸，并将其贡献与兑换结果分离；另一种则对始终处于活跃价格区间内的边际提供者建模。研究将这些估算与不同版本 Uniswap 及多个区块链网络上的资金池整体结果进行比较。…

本文对流动性充足市场中高频到达的买卖盘队列建模，推导其联合动态的函数型中心极限定理，并表明随着订单到达频率提高，订单簿可用正象限中的马尔可夫跳扩散过程近似。过程特征以底层订单流的统计属性表示，使该框架能够适应不同的分布和时间依赖性。 这些近似使研究者可以在给定当前订单簿状态的条件下，分析价格上涨概率、下一次价格变动所需时间等量。所述框架适用于广泛的随机订单流模型，包括泊松点过程、自激过程和 ACD-GARCH…

本文提出一种用于配对交易的投资组合构建方法，以限制所选配对之间的重叠。该方法将资产表示为图中的节点，将协整候选配对表示为带权边，边权反映协整强度。投资组合通过最大权匹配选出协整关系强的配对，同时确保每项资产只出现在一组配对中。这解决了仅依据协整选择配对的一项缺点：多个配对可能重复使用同一资产，从而集中风险。 作者报告了理论分析，以及使用 500 数据、样本期为 2017 至 2023 的实证研究。匹配投资组合的方差低于仅依据协整构建的基准组合；其总夏普比率为 1.23，基准组合为 0.48，市场为…

本文研究包含其他流动性需求方订单的线性价格冲击模型下的最优执行。外部订单被建模为泊松到达或霍克斯过程，后者允许订单流具有自激性。作者显式求解执行问题，并推导出闭式策略，描述执行交易者应如何响应其他交易者的订单。 研究还利用该模型考察市场可行性和价格操纵。结果发现，按 Huberman–Stanzl…

本文介绍一种仅做多的 USD/TWD交易智能体，将量子长短期记忆网络（QLSTM）的短期趋势预测与量子异步优势行动者评论家（QA3C）相结合。其状态包含 QLSTM特征和技术指标，奖励函数则旨在支持趋势跟随和风险控制。报告的设置采用长度为四的序列和八个 QA3C工作器，数据覆盖 2000至2025，并划分为训练集和测试集。 作者报告称，该智能体约五年的收益率为 11.87%，最大回撤为 0.92%，并表示其表现优于若干货币…

本文对一种去中心化稳定币的收益策略建模：该策略将质押以太坊与规模相同的 ETH 永续期货空头头寸结合起来。配对头寸旨在降低对 ETH现货价格变动的敞口，同时赚取质押奖励；当永续合约资金费率为正时，还可获得永续合约持有者支付的资金费。因此，策略收益取决于质押收入和资金费环境。…

本研究将布林带与滚动回归时间序列模型联系起来，考察其统计基础。研究将该框架用于配对交易，并推导基于布林带策略的交易持续时间与收益之间的关系。 作者还将布林带中的移动平均线解释为随机游走加噪声模型的近似，并据此提出一种称为固定预测最大持续时间带的变体。研究使用 SAP 和日经指数数据进行模拟，将这一变体与传统布林带进行比较。文中介绍了方法和比较，但没有提供数值结果，因此无法据此判断哪种方法表现更好，也无法确定结论是否适用于所选资产和模拟设计之外的情况。

该论文通过区分每笔交易的价格变化与交易到达时间的生成过程，来建模高频股票收益。对于流动性极高的近月 E-mini S&P 500 期货合约，研究报告称，在考虑预定公布的新闻后，极短时间间隔内的交易时间收益近似服从高斯分布。随后，论文将高斯交易时间收益与经过修改的马尔可夫切换多重分形持续期模型结合，用于刻画交易间隔。…

本文提出特征向量关联，作为企业间关系的代理指标。它利用企业特征估计关联，先衡量欧几里得相似度，再运用量子认知机器学习学习相似度，以此表示企业之间的联系，为动量溢出交易策略提供参考。 报告结果称，基于这两种相似度方法构建的策略都可能盈利，且学习得到的 QCML 相似度优于欧几里得版本。描述未说明数据、样本期、交易成本、风险控制或评估设计，也未提供具体绩效指标。因此，按文中所述，这一比较支持该方法在本研究中的应用，但其稳健性及在不同市场中的适用性仍不明确。

本文档介绍一种用于统计套利的在线学习方法，并将其与常见的均值回归模型策略进行对比。后者依赖的假设可能不适用于一般的非平稳随机过程。拟议的替代方法旨在无需这些假设即可运行。 文档称该方法具有强学习保证，表明其在理论上能够随着数据到来而进行适应。然而，说明没有描述算法、具体保证、交易规则，也未说明如何处理组合和交易成本。文档同样没有提供实证结果或比较。因此，该方法被作为一种通用方法论替代方案提出；现有信息不足以评估其在实盘市场中的实际盈利能力或稳健性。

本文档介绍一种高频价格模型，适用于不规则观测时间和离散价格变动。模型在得分驱动波动率框架中使用零膨胀斯凯拉姆分布，并加入移动平均成分以过滤市场微观结构噪声。平滑样条用于表示交易时长与波动率的关系，以及二者如何在整个交易日内变化。 模型参数使用极大似然法估计。文中报告称，将模型应用于IBM股票时拟合效果良好，并指出该模型也可测量每日已实现波动率。报告没有详细比较其他模型，没有提供量化拟合统计数据，也未对其他资产和市场环境进行更广泛的检验，因此证据仅限于所述单只股票研究。

本文档介绍一种主动策略，在等权股票组合与市值加权股票组合之间调整配置。其动机是，等权配置长期以来常常表现更好，但在市场集中度和相关性上升时可能落后。随机投资组合理论用于描述这种状态依赖性，而随机多样性离散模型则为组合配置决策提供预测。…

DeepTrust是一个用于查找和评估可能解释股票价格极端变动信息的框架。其工作流程包括三个部分：使用机器学习从历史价格中检测异常变动；使用能适应搜索条件的查询从Twitter检索相关非结构化信息；以及评估检索内容的可靠性。评估会考虑推文特征、机器生成语言的迹象、论证结构、主观性和情感倾向，从而筛选出数量精简且可能可信的帖子。…

这封简短信函概述了一个二维动力系统，该系统会在有限时间内达到奇点，并在接近奇点时呈现加速振荡。所提出的机制结合了非线性正反馈与惯性反转。在金融解释中，该模型描述了由非线性趋势跟随者和非线性价值投资者共同影响的股价动态；随着系统演变，两者的相反作用彼此交互。…

这篇论文介绍一种动态策略，旨在保护投资组合免受尾部损失，同时保留参与牛市行情的机会。该策略设定风险价值的最高目标水平，并使用分类器估计风险超过该阈值的概率。随后，估计出的超阈概率被转化为交易信号，用于对冲尾部事件。…

这篇论文提出一个强化学习框架，用于处理以凸评分函数表示风险目标的决策问题。该框架可表示方差、预期损失和熵风险价值等指标，也可表示均值风险效用。其重点是让这些目标能够在时间维度上发挥作用，因为优化风险可能导致时间不一致：早期更受偏好的策略，在之后的决策时点可能不再受偏好。…

这项初步分析使用奥恩斯坦–乌伦贝克过程为均值回归交易策略中的配对股票价差建模，并将其与一种更简单的方法进行比较；后者使用滚动窗口估计价差均值和标准差。比较涉及信号表现和风险调整后绩效。 作者报告称，OU模型能有效捕捉信号和趋势，但按风险收益表现衡量，逊于滚动窗口方法。作者认为，非平稳配对和参数调优的局限性可能可以解释这一较弱结果。说明中未提供样本、资产筛选规则、交易成本或具体绩效指标，因此只能支持初步比较。应用任一模型时，配对稳定性和参数选择仍是重要注意事项。

这项研究分析跨资产冲击，即交易一种资产如何影响其自身价格以及其他资产的价格。研究考察适用于交易的基于核函数的模型和参数选择，重点关注两项性质。鞅可容许核在考虑预期未来订单流的同时使价格成为鞅；无统计套利可容许核则排除可能的价格操纵。 作者刻画了这两类核之间的关系和重叠部分，并给出了根据数据校准跨资产冲击核的公式。研究使用标普500期货数据展示结果。这为模型选择和实证校准提供了框架，但简短说明没有报告具体校准结果，也没有解释该框架在不同市场环境下的表现。其主要贡献是刻画模型约束和流程，而非提出交易策略或报告实测收益。

本文档研究在布莱克–斯科尔斯框架下，欧式看涨期权获得正收益的概率。文中指出，该概率取决于模型中的市场输入以及股票增长率，并报告数值定价偏差与该增长率有关。…

这篇论文研究一个期货市场中的动量信息能否帮助预测其他市场的动量。研究根据大宗商品、股票、债券和货币领域中64个连续交易合约的价格动量特征构建网络，无需预先指定公司联系或其他经济关系。…

这项研究分析了4,000个真实的美国股票交易组合，持有期约为0.7至19个交易日。研究报告称，每股美分数与组合换手率呈反向变化，而组合收益与换手率之间不存在统计显著的依赖关系。这一结果挑战了“换手率越高，组合收益必然越低”的简单假设，不过摘录没有详细说明交易成本如何纳入所报告的关系。 研究还发现，对于最长约 10 天的持有期，收益与投资组合波动率的约 0.8 至 0.85…

这篇论文考察限价订单簿流动性如何响应持续且可预测的订单流。买入和卖出市价单按方向编码，其方向符号呈现缓慢衰减的自相关。由于订单可能影响价格，这种持续性引发了有关市场效率的问题。作者讨论了非对称流动性：订单冲击往往与订单出现的概率成反比。…

这项研究比较比特币和标普500的每日收益分布，重点关注尾部概率以及损失和收益的严重程度。研究采用一种结合快速分数阶傅里叶变换与复合牛顿–柯特斯求积的数值方法，拟合七参数广义截尾稳定分布。报告的分布特征显示，标普500收益分布的峰度更高，而比特币收益的尾部更厚。…

文档介绍一种随机矩阵理论检验，用于识别实现风险在统计上高于样本外预期的投资组合。文中将这些投资组合称为短暂模式，并把其超额风险解释为底层资产关系发生变化的证据。作者称该检验具有广泛适用性，且无需预先知道真实的相关结构。…