最近金融量化交易的研究成果列表
基于 Shapley 的投资组合绩效方法：SPPC 方法可以确定单个预测变量对投资组合绩效的贡献，揭示回报可预测性的经济价值来源。(2023-11-09，股数：3.0)
使用神经网络进行波动率建模：引入了一种新的神经网络模型用于宏观经济预测，旨在防止过度拟合并提高准确性。(2023-11-09，股数：3.0)
深度对冲和Delta对冲关系：研究探讨了深度对冲和Delta对冲之间的联系，提出了将两者与统计套利相结合的风险最小化策略，并讨论了统计套利对深度对冲的影响。(2023-11-10，股数：2.0)
能源市场交易中的显着性理论和深度学习：将显着性理论和深度学习的交易系统应用于中国新能源股票，证明了这些方法的有效性。(2023-11-09，股数：2.0)
波动性和股市敏感性：美国。当股市长期波动较大时，宏观经济消息对标普 500 指数的影响更大。(2023-11-14, 股数: 3.0)
金融的
数据挖掘对资产定价的影响：该研究挑战了数据挖掘总是能提高价格效率的信念，表明它实际上会由于复杂性成本和数据效率回报递减而降低价格信息量。(2023-11-10，股数：2.0)
生成未来波动率表面：本文提出了一种使用历史数据预测未来隐含波动率表面的新方法，采用条件变分自动编码器和长期短期记忆网络。(2023-11-09, 股数: 17.0)
VWAP 日间交易系统 （过度拟合警报）：本文介绍了一种基于成交量加权平均价格 (VWAP) 的日间交易策略，该策略可以识别市场失衡情况，从而使 25,000 美元的投资获得 671% 的回报。(2023-11-13, 股数: 1355.0)
信用情绪和债券回报：电话会议的信用情绪会影响债券市场回报，积极的情绪会带来更好的信用评级和更低的未来债务成本。(2023-11-09，股数：2.0)
中国消费冲击和美国股票回报：中国的消费风险显着影响美国股票回报，双因素模型解释了40%的变化。(2023-11-10，股数：4.0)
LSTM 和线性回归用于股票市场预测：本文介绍了使用 LSTM 神经网络和线性回归进行股票市场预测的研究，显示出优于传统模型的性能。(2023-06-09，股数：4.0)
抵押贷款证券化和信息摩擦：该研究提出了美国住房金融体系的模型，说明了证券化市场的好处和挑战。(2023-06-16, 股数: 2.0)
管理者的外汇风险管理：文章分享了对110位企业风险管理者对冲外汇风险的调查，发现远期和未来汇率的变化极大地影响了对冲比率，当外汇风险不影响现金时，管理者最满意流动。(2023-10-31，股数：2.0)
§ 36(B) 诉讼的终结：文章讨论了共同基金管理费的问题，认为共同基金由创建它们并管理其投资组合的投资管理公司控制，导致收取过高的管理费。(2023-05-09，股数：2.0)
资产回报：自动去偏机器学习：开发了一种新的机器学习方法来识别资产定价中的风险因素，通过消除偏差估计和过度拟合，其性能优于传统方法。(2022-09-28，股数：2.0)
绿色和灰色投资的 DCCA：研究发现，与灰色和传统投资策略相比，绿色能源 ETF 提供了更好的多元化。(2023-10-03，股数：4.0)
ETF 与共同基金：流动性和绩效：研究表明，ETF 的流动性可能并不比共同基金更高，并且可能会受到短期错误定价和流动性不足的影响。(2023-11-06，股数：2.0)
跟踪中国的零售和机构投资者：本文提出了对订单大小算法的改进，以更好地跟踪中国股票市场的零售和机构购买。(2023-10-20，股数：4.0)
《中国资本市场年鉴2022》：年鉴全面分析了中国资本市场股票、国债、信用债的收益和风险特征。(2023-09-01，股数：3.0)
新兴市场债券的机器学习：考虑非线性和相互作用的机器学习模型可以更好地预测交易成本较高的新兴市场中的公司债券行为，关键预测因素与低风险宏观和动量因素相关。(2023-10-30，股数：2.0)
Reddit 中断和 Meme 股票交易：Reddit 中断期间，零售订单失衡对 meme 股票未来回报的可预测性增加，这表明激烈的讨论可能会扰乱个人投资者的决策。(2023-07-11，股数：3.0)
模拟 VaR 和 CVA 的利差动态：建议使用一种使用高斯单因子联结函数的新模型来模拟银行风险模型中的利差风险，确保模拟和实际历史利差之间的一致性。(2021-07-08，股数：2.0)
使用机器学习编辑调查数据的优先级：机器学习用于识别和纠正家庭财务调查数据中的错误，梯度提升树是最有效的方法。(2023-11-14，股数：2.0)
非人寿储备中 IBNR 频率的机器学习：该研究引入了一种机器学习模型，用于预测已发生但未报告 (IBNR) 索赔的数量，并通过使用模拟和真实数据的研究证明了其有效性。(2023-11-14，股数：2.0)
区块链市场中的市场效率：该研究检查了区块链市场中的市场效率，揭示了尽管信息完全透明，但效率却显着低下。(2023-05-02，股数：2.0)
算法交易的先进技术：该研究使用先进的方法增强了深度 Q 网络交易模型，显示了自动交易的性能改进以及卷积神经网络在交易系统中的潜力。(2023-11-09, 股数: 6)
金融文本数据的主题模型：该研究引入了金融文本的多标签主题模型，实现了高精度，并表明股市反应取决于特定主题的共现。(2023-11-10, 股数: 5)
将语言模型集成到基于代理的建模中：本文介绍了基于智能代理的建模 (SABM)，这是一种使用大型语言模型对复杂系统进行更真实模拟的新框架。(2023-11-10, 股数: 5)
QLBS 模型反馈循环：QLBS 模型经过扩展，包含大型交易者对汇率和或有债权价格的影响，利用强化学习找到最佳对冲策略，降低交易成本并与交易者的公平价格保持一致。(2023-11-12, 股数: 4)
提款成功优化：使用可调整的投资组合权重函数来最大化完成特定投资和提款计划的可能性，当使用最佳权重而不是恒定权重时，显示出显着的改进。(2023-11-11, 股数: 4)
针对投资者能力的投资组合多元化：采用新的数学技术来确定不同能力的投资者的最佳投资组合规模，这表明强投资者应拥有较小的投资组合，弱投资者应拥有较大的投资组合，而普通投资者则应拥有波动的最佳数量。(2023-11-11, 股数: 4)
用于期权定价的深度 PDE 求解器的误差分析：检查了深度 PDE 求解器在期权定价中的实际使用，确定了三个主要误差源，并得出结论：深度 BSDE 方法性能更好，并且对期权规格变化更稳健。(2023-11-13, 股数: 3)
美式期权定价的高斯过程方法：深度核学习和变分推理用于改进基于回归的蒙特卡罗方法中的高维美式期权定价，在几何布朗运动和默顿跳跃扩散模型下取得了成功的表现。(2023-11-13, 股数: 3)
市场传染和流动性：该研究提出了一个框架，用于理解具有内生决定的市场流动性的系统中价格介导的传染，显示了对系统风险的重大影响。(2023-11-10, 股数: 5)
DFMM 资产：跨链金融中的可交易单位：本文研究了多资产市场中的中介 DFMM 资产，概述了其特征、风险缓解和控制杠杆，表明其协调不同市场参与者利益的潜力。(2023-11-09, 股数: 5)
保险公司的最佳股息策略：该研究研究了自然灾害索赔的保险组合的最佳股息支付，确定最佳股息策略和股东的潜在利益。(2023-11-09, 股数: 5)
将语言模型集成到基于代理的建模中：本文介绍了基于智能代理的建模 (SABM)，这是一种使用大型语言模型对复杂系统进行更真实模拟的新框架。(2023-11-10, 股数: 5)
生成式人工智能：促进市场繁荣，消除萧条担忧：一项研究发现，生成式人工智能可以降低产品市场的平均价格，增加订单量和收入，并可能使艺术家受益，而不是造成失业。(2023-11-13, 股数: 4)
Hedera Hashgraph 去中心化分析：研究表明，Hedera Hashgraph 平台财富中心化程度较高，核心不断萎缩，但近期指标表明去中心化取得了进展。(2023-11-12, 股数: 5)
使用 Transformers 增强定价模型：本文提出了使用表格数据的 Transformer 模型改进非寿险精算模型的新方法，显示出比基准模型更好的结果。(2023-11-10, 股数: 5)
FinGPT：法学硕士的金融数据民主化：金融生成预训练变压器（FinGPT）是一种新的开源框架，可以自动收集和管理来自各种在线来源的实时金融数据，旨在生成大规模的金融数据对于大型语言模型来说更容易访问。(2023-07-19, 股数: 43)
预测市场中的价格可解释性：一项研究提出了一种基于效用的多元预测市场机制，统一现有的做市方案，并通过反映代理人信念、风险参数和财富的方程系统来表征限制价格。(2022-05-18, 股数: 76)
大规模投资组合优化框架：一种新的大规模投资组合优化框架，使用收缩和正则化技术，已经使用 50 年的美国公司回报数据进行了测试并证明是有效的。(2023-03-22, 股数: 27)
Lillo-Mike-Farmer模型的解决方案：新的Lillo-Mike-Farmer模型考虑了交易者分单行为的多样性，强调了ACF前因子在数据分析中的重要性。(2023-06-23, 股数: 15)
面板数据的双向回归：提出了一种新的面板数据二元处理平均因果效应估计器，即使使用错误指定的固定效应模型，也能提供比传统双向估计器更好的性能和鲁棒性。(2021-07-29, 股数: 303)
供应链中的库存和需求冲击：研究表明，产业在供应链中的地位显着影响最终需求冲击的传导，上游产业的反应比最终产品生产商高出三倍。(2022-05-08, 股数: 73)
离群值稳健 Wasserstein DRO：该研究引入了一个离群值稳健框架，用于数据扰动下的决策，提供最佳风险界限和高效计算，并通过标准回归和分类任务验证理论。(2023-11-09, 股数: 7)
SVRG 的系数控制：本文介绍了 α-SVRG，这是一种优化神经网络的新方法，可改善各种架构和数据集的训练损失减少。(2023-11-09, 股数: 16)
扩散模型：云去除和城市变化检测：人工智能中的扩散模型可以改善地球观测数据，有助于完成云去除、变化检测数据集创建和城市重新规划等任务。(2023-11-10, 股数: 69)
社交媒体 GPTV：该研究考察了大型多模态模型 (LMM)，特别是 GPT-4V 在理解社交多媒体内容方面的能力，注意到多语言理解和趋势概括方面的挑战。(2023-11-13, 股数: 13)
Greedy PIG：特征归因：作者提出了一个统一的离散优化框架，用于深度学习模型中的特征归因和选择，引入了一种称为 Greedy PIG 的自适应方法，该方法在各种任务中表现良好。(2023-11-10, 股数: 11)
离线强化学习：生存：离线强化学习算法由于其固有的悲观主义和数据收集偏差，即使奖励标签不正确，仍然可以创建有效的策略。(2023-06-05, 股数: 110)
法学硕士数据污染测验：本文介绍了数据污染测验，这是一种在大型语言模型中检测和估计数据污染的方法，展示了改进的检测和准确的污染估计。(2023-11-10, 股数: 8)
清算策略对多资产市场的影响：本文揭示了某些算法交易策略可以降低清算成本，但可能会对多资产人工股票市场的市场指标产生负面影响。(2023-11-15, 股数: 18.0)
全球股票相关性和货币期权隐含波动率：研究发现，汇率期权隐含波动率可以更准确地预测未来全球股票市场的相关性。(2023-11-15, 股数: 15.0)
投资组合流动：推动和拉动因素的时间变化：研究表明，危机期间推动因素在投资组合流动中的重要性随着时间的推移而增加，特别是对于欧盟国家而言，并确定了几个关键的推动和拉动因素。(2023-11-15, 股数: 14.0)
优先房地产投资信托基金的投资组合增强属性：研究表明，房地产投资信托基金优先股可提供显着的多元化效益，并在经济扩张期间提高投资组合绩效。(2023-11-15, 股数: 21.0)
随机利率动态债券投资组合优化：研究中提出了一种多周期动态债券投资组合优化的新框架，结果表明其性能优于单周期优化。(2023-11-15, 股数: 26.0)
统计
债券超额回报的可解释人工智能：SHAP 技术用于澄清研究中机器学习模型做出的债券超额回报预测。(2023-11-15, 股数: 21.0)
政策不确定性和股市波动性：一项研究发现，高质量的政治信号可以预测股市波动性的增加。(2023-11-15, 股数: 16.0)
中国股票市场的市场动量和波动风险：对中国股票市场的研究表明，基于信念的动量指标可以预测市场波动。(2023-11-15, 股数: 16.0)
数据驱动的报童问题：高维方法：本文探讨了如何利用机器学习，利用复杂的历史数据来改进报童问题中的需求预测和补货决策。(2023-11-15, 股数: 27.0)
识别敏感参数的方法的比较研究：本文讨论了监督机器学习模型如何为输入参数分配权重以实现期望的结果，强调了模型开发过程早期可靠权重的重要性。(2023-11-15, 股数: 13.0)
Timeseries ML with Polars：本文探讨了 Polars 在大规模时间序列机器学习中的应用，特别是在并行特征提取和面板数据预测中。(2023-06-05, 股数: 626.0)
OpenAI Vision API 实验：资源：本文为那些想要探索和改进 OpenAI Vision API 的人提供指南。(2023-11-07, 股数: 880.0)
ChatGPT 自定义说明：自定义存储库：本文提供了一系列使用 ChatGPT 的定制说明。(2023-08-15, 股数: 738.0)
上下文：Python 库的 CLI 工具 API：本文介绍了最流行的 1221 个 Python 库的 CLI 工具 API。(2023-11-02, 股数: 340.0)
Python Quant GPT：彻底改变定量分析：Python Quant GPT 是一种新型定量分析工具，通过用户友好的界面提供全面的数据分析、高级财务建模和人工智能驱动的见解。(2023-11-13，股数：2.0)
了解石油市场的复杂性：最近的石油市场波动是由更广泛的金融市场和算法行为驱动的，而不是供需变化。(2023-11-14, 股数: 1.0)
关于金融中的大型语言模型的演讲：Ioana Boier 将讨论大型语言模型在从复杂数据中提取见解的用途及其在定量金融中的应用。(2023-11-13, 股数: 1.0)
ACM 人工智能金融会议 '23：ACM 人工智能金融会议 ICAIF'23 将于 11 月 27 日至 29 日在纽约布鲁克林举行，展示金融领域最新的人工智能研究。(2023-11-13, 股数: 1.0)
与 Dimitris Giannakis 的数据模拟研讨会：Dimitris Giannakis 将于 2023 年 12 月 15 日在劳伦斯利弗莫尔国家实验室举办量子信息和数据科学研讨会。（2023-11-13，分享：1.0）
FRB-CEBRA-ECONDAT 非传统数据会议：作者在 FRB-CEBRA-ECONDAT 会议上讨论了非传统数据在宏观经济学中的使用。(2023-11-13, 股数: 1.0)
QuantMinds 峰会和研讨会日：QuantMinds 国际峰会和研讨会日将涵盖高级机器学习和投资建模等主题。(2023-11-13, 股数: 1.0)
因子模型的机器学习：Seisuke Sugitomo 和 Minami Shotaro 的一篇论文表明，在基本因子模型中，机器学习比传统方法更能提高投资组合绩效。(2023-11-13, 股数: 1.0)
资源提醒：量化交易活动：Christina Qi 为那些有志进入量化金融领域的学生和专业人士策划了一系列量化交易活动和竞赛。(2023-11-13, 股数: 1.0)
加密货币冬天中的数字资产波动性：该研究使用 LSTM 和 RFSV 技术来分析加密货币价值大幅下跌期间数字资产的波动性。(2023-11-14, 股数: 2)
计量经济学：统计分析经济数据：计量经济学是一个结合了经济学、统计学和数学的领域，提供免费的 PDF 下载用于数据分析。(2023-11-11, 股数: 2)
货币异常的表现在发布后下降：研究表明，股票和货币异常的表现在发布后下降，这意味着市场参与者利用这些出版物来纠正错误定价。(2023-11-14, 股数: 1)
Towhee：基于LLM的数据转换：Towhee是一种管道编排工具，它使用大型语言模型将原始多模式数据转换为特定格式。(2023-11-10, 股数: 1)
GraphCast：DeepMind 的开源天气模型：Google Deep Mind 已将其先进的天气预报模型 GraphCast 开源。(2023-11-14, 股数: 0)
基金利用算法进行收益电话分析：投资基金正在利用算法来分析收益电话会议记录，利用音频获取比文本更全面的信息。(2023-11-14, 股数: 0)
分形几何和市场微观结构：第 2 条：本研究深入探讨了分形几何的基础知识及其在理解市场结构中的应用。(2023-11-11, 股数: 0)
最佳 kmeans 集群：第 3 条：本文通过 k-scorer 算法探索 k-means 集群的最佳使用。(2023-11-10, 股数: 0)
FT DataViz 关于债券市场萎靡不振的深度：第 4 条：《金融时报》对债券市场当前的问题进行了详细审查。(2023-11-10, 股数: 0)