知识库

本笔记本分析重建的NASDAQ限价订单簿，描述日内价差和最优档深度，并考察订单流失衡是否与随后时间桶的收益相关。它以基点表示价差，以便比较价格水平不同的股票，并绘制价差及显示流动性在交易时段内的变化。它还根据订单新增和撤单构建失衡指标，将订单流汇总到时间桶中，再比较单只股票和横截面的指标与后续收益之间的相关性。除原始订单流外，还使用带符号的对数变换，以减小极端值的影响。…

本笔记介绍一种受GT-GAN启发的生成模型，用于处理以不规则间隔采样的金融序列，例如逐笔、成交量或美元柱线。其编码器、生成器、判别器和解码器使用连续时间神经ODE动力学，使潜在状态能够跨越可变时间间隔演化，并支持在指定时间戳进行插值或生成。逐样本固定步长的欧拉或RK4积分可处理一个批次内不同的时间间隔。…

本文介绍一种事件驱动方法，用于持有数量有限的日内仓位。预测值根据最新可用分数与价格行情柱对齐，并可设置有效期限制。入场信号采用针对每项资产分别计算的滚动分位数，以处理分数分布差异。新出现的合格候选按分数排名，并依次纳入，直到达到持仓槽数量上限；每个已占用的持仓槽权重固定。…

本文比较四种用于研究成交、报价和限价订单簿的股票市场数据源：AlgoSeek TAQ、Databento逐笔订单数据、NASDAQ ITCH和IEX HIST。文中介绍各数据源的粒度、覆盖范围、费用或访问条件、存储需求，以及数据是否已经解析或需要重建。示例区分最优买卖报价数据流与全深度或逐笔消息，并解释为什么聚合的分钟线无法用于重建订单簿。…

本章将市场数据视为交易规则、流动性和参与者行为共同作用的结果。内容从最优报价延伸到订单级数据源，继而介绍如何解析交易所消息并将其重放到特定交易场所的限价订单簿中。还涵盖订单簿生命周期检查、流动性和订单流分析、日内交易模式，以及单一交易场所可见流动性的局限。另一个重点是采样：按时间、活动量和信息量构造的柱线会形成不同观测，而交易方向分类和时间戳对齐会影响对观测的解读。 本章还介绍日内数据质量和交易时段检查，以及利用双幂变差和 Lee–Mykland…

本笔记根据NASDAQ ITCH成交数据构建市场微观结构指标，将成交汇总为日内柱，并区分流动性代理指标、订单流信号和订单簿状态。它先用跳动规则对单笔成交分类，再进行汇总，使买入量和卖出量能够构成有意义的订单流失衡指标。随后展示 Kyle lambda 的比率近似、Amihud 非流动性、Roll 价差和成交强度，并解释各自的输入和含义。 一个重要注意事项是，实际实现的 Kyle lambda 是绝对收益对相对成交量之比，并非原始定义中的带符号订单流回归斜率。本笔记还展示了 Kyle 和 Amihud…

本笔记使用价差、盘口深度失衡、带符号成交量和价格冲击等日内微观结构信息，比较用于按下一段15分钟收益对NASDAQ-100股票排序的预测模型。仅当覆盖完整时，才为每个模型家族选取一组代表性预测，并保持模型检查点彼此独立。分析比较秩相关及其不确定性区间，检查滚动验证各折的表现，测试预测分组的单调性和对市场状态的依赖性，并检验保形预测区间是否达到其声明的覆盖率。因果效应估计与预测分数分开处理。…

本笔记介绍一种受GT-GAN启发的架构，用于合成时间戳确实不规则的时间序列，例如逐笔、成交量或美元K线。GRU-ODE编码器将观测值映射为潜在状态；基于ODE的生成器和判别器组件对连续时间演化建模，ODE解码器则重建观测值。由于可以查询任意时刻的潜在状态，该模型支持在固定观测网格之外进行插值和生成。…

本文档介绍用于加载已解析 NASDAQ ITCH 消息的工具，并根据订单新增、删除、撤销、成交和替换消息重建限价订单簿。它跟踪每笔订单的剩余股数，使后续订单簿更新使用当前数量，并通过追踪订单引用来处理替换链。快照会报告多个买卖价位，以及最优报价、价差和中间价。 本文档还解释了 Lee–Ready 风格的交易分类：将每笔成交价与当前中间价比较；若成交发生在中间价，或报价不可用，则根据价格变化方向进行逐笔价格测试。ITCH…

本笔记讲解如何将NASDAQTotalView-ITCH逐笔订单消息从二进制格式解码为结构化记录。文中解释消息帧结构和各类型特有的布局，演示字段解包，并转换以午夜以来纳秒表示的时间戳，以及以整数存储并隐含小数位的价格。主要流程逐条读取消息，解码受支持的类型，缓存记录，并按消息类型分区写入Parquet输出，从而无需将整个交易时段数据保留在内存中即可处理。…

本笔记介绍如何使用长短期记忆网络处理一分钟NASDAQ-100微观结构特征，以预测多个期限的前向收益。模型逐步处理一段回溯序列，并学习保留哪些早期观测。训练使用滚动折，仅依据训练数据对特征进行标准化，在股票和折之间重置状态，并保存已声明检查点的验证预测。序列窗口按照各标签期限间隔取样，以减少训练目标之间的重叠。…

本分析根据ITCH的新增、删除、部分撤单、替换和成交消息，重建单笔NASDAQ限价订单。分析使用精确时间戳和对数缩放的存续期分布，测量订单是否被撤销或成交，以及经过多长时间发生这些事件。方法区分仍在交易簿中的订单与已经成交或修改的订单，并将单个代码的生命周期分析与更广泛的消息计数分开。…

本研究使用深度强化学习，将短期交易预测转化为限价单挂单和限价订单簿中的库存决策。研究人员在一个由历史订单簿消息构建的模拟NASDAQ股票交易环境中，使用ABIDES模拟器训练智能体。智能体观察当前订单簿、近期市场历史和方向信号，然后利用深度双重决斗Q学习以及优先异步经验回放来学习执行策略。…

本文使用近期高频数据研究波动率随时间变化的平滑程度。研究报告称，在合理的时间尺度范围内，对数波动率近似表现为赫斯特指数很低的分数布朗运动。基于此，作者采用指数低于二分之一的分数随机波动率框架，并将其称为粗糙 FSV。…

本研究使用 2018 US 贸易战期间六个行业股票的高频订单序列建立模型。研究采用一阶、时间齐次的离散时间马尔可夫链，通过卡方检验检查马尔可夫假设，并以最大似然法估计转移概率。研究使用热力图和推导出的链统计量比较高波动日与低波动日的订单行为。…

本文介绍一种用于高频金融数据的子采样象限相关性估计量。它针对波动率随时间变化时测量相关性的难题：标准象限估计量对波动率动态稳健，但在高斯采样下可能效率较低。所提变体利用符号信息和子采样提高效率，同时保持稳健性和计算简便性。除采样区间外，它无需平滑参数，这在分析大量横截面时可能有所帮助。…

本文提出稀疏高频波动率估计方法，旨在现货波动率突然变化时仍保持稳健。所提估计方法对现有方法施加 ℓ1 惩罚，重点研究幂变差估计量这一衡量波动率的基础类别。作者证明了对潜在未观测波动率及其变点位置进行估计的一致性，特定估计量还达到了极小极大收敛率。…

本研究考察加密货币市场中波动率和交易量在一分钟、五分钟和十五分钟边界附近反复激增的现象。研究分析了六种币安永续合约的交易数据，并使用成交规模圆整程度的变化作为算法参与度指标。在观察到的激增期间，成交规模明显变得不那么圆整，作者将其与算法活动增加联系起来。…

本文提出一种生成框架，用于创建可控制市场行为的金融市场订单流。其出发点是，现有订单流生成方法可能无法很好地复现市场数据，而且控制能力有限，因而限制了其在研究和交易应用中的用途。…

本文将高频交易行为与资产价格的两种已观察到的特征联系起来：收益与波动率相关的杠杆效应，以及波动率路径不规则的粗糙波动率。研究使用霍克斯过程建立微观价格模型，以表示相互依赖的市场事件集群。模型纳入市场内生性、无套利条件、买卖不对称，以及分批执行的大额订单（metaorders）。…

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…

这项研究为趋势跟踪型高频交易者的微观模型建立了动力学理论基础。研究从模型精确的相空间演化方程出发，该方程类似于力学中的刘维尔方程，并通过金融布朗运动方程的层级体系逐步简化描述。 在假设分子混沌的条件下，作者推导出类似玻尔兹曼方程的订单簿动态，以及类似朗之万方程的价格动态。他们通过解析方法研究交易者数量较大时的行为，并报告了蒙特卡洛模拟的数值验证。本文认为金融布朗运动与物理布朗运动具有平行的数学结构。其结果依赖模型和分子混沌假设；摘录没有提供底层市场数据分析细节，也没有证明这些方程适用于这一设定之外的市场。