Wax and wane of the cross-sectional momentum and contrarian effects: Evidence from the Chinese stock markets
本文采用资本资产定价模型和French-Fama三因素因子模型，在横截面动量和反转效应的框架下研究了中国股票市场的时变风险溢价关系。通过量化中国股票市场的时变截面动量和反转效应的表现，研究了套利机会的演化。反向盈利能力和市场条件的因素，可以表征投资环境之间的关系也进行了研究。结果表明，风险溢价关系随时间变化，基于反向投资组合的套利机会随时间变化。反向投资组合的表现高度依赖于几个市场条件。市场状态上升、市场波动性和流动性较高、宏观经济不确定性较低的时期，反向盈利能力较高。这些发现与适应性市场假说相一致，并对市场参与者具有实际意义。
2017-07-18 q-fin.ST q-fin.TR
Linear and nonlinear correlations in order aggressiveness of Chinese stocks
订单的对角效应在不同的市场中得到了很好的证明，这表明订单更有可能被同样积极性的订单所跟随，并意味着订单流中存在短期相关性。本文基于中国43只股票的订单流数据，研究指令攻击性的时间序列是否存在长期相关性。去趋势移动平均分析表明，整体波动的标度行为存在交叉，订单积极性表现出线性的长期相关性。我们设计了一个客观的程序来确定两个赫斯特指数划定的交叉尺度。我们发现，除了一只离群股票外，所有股票在短期内都没有相关性，在长期内都有很强的相关性。的长期相关性被发现取决于几个公司的具体特征。当我们进行多重分形去趋势移动平均分析时，我们还发现在序列的攻击性上存在非线性的长期相关性。
2017-04-22 q-fin.ST q-fin.TR
Profitability of contrarian strategies in the Chinese stock market
本文利用1997年1月至2012年12月上海证券交易所和深圳证券交易所的月度数据，重新检验了中国股票市场中输家、赢家和反向投资组合的盈利能力。当估计和持有期限为1个月或大于12个月时，我们发现在整个样本期间存在短期和长期反向盈利能力的证据，并且反向投资组合的年化收益率随着估计和持有期限的增加而增加。通过分周期分析发现，长期反转效应在看涨和看跌状态下均显著，而短期反转效应在看涨状态下消失。通过比较不同分组方式下的反向投资组合在估计期内的表现，发现十分位分组的反向投资组合在长期内的表现优于五分位分组和三分位分组，且表现更为明显和稳健。一般来说，输家组合和赢家组合都有正收益，输家组合的表现要比赢家组合好得多。在看涨状态下，输家和赢家组合的表现都优于整个样本期内的组合。相反，输家和赢家投资组合在看跌状态下的回报率较小，其中输家投资组合的回报率仅在长期内显着，赢家投资组合的回报率变得微不足道。这些结果对于估计期和持有期之间的一个月跳跃以及对于两个证券交易所是稳健的。研究结果表明，我国股票市场在弱式下是非有效的。这些发现对金融从业人员也有明显的实际意义。
2015-05-02 q-fin.ST q-fin.TR
Stylized facts of price gaps in limit order books: Evidence from Chinese stocks
价差定义为限价订单簿（LOB）同一侧前两个被占用价格水平之间的对数价差，是市场深度的关键决定因素，市场深度是流动性的一个维度。然而，价格差距的属性还没有得到彻底的研究，由于可用的频率数据较少。本文利用2003年深圳证券交易所上市的26只A股股票的订单流数据，对LOB动态进行了重构。三个关键的实证统计性质的价格差距进行了研究。我们发现，价格差距的分布有一个幂律尾所有股票的平均尾部指数接近3.2。应用现代统计方法，证实了林隙时间序列具有长程相关性和多重分形性质。这三个特征因股票而异，并不具有普遍性。此外，我们还揭示了个股LOB买卖双方价差特性中的买卖不对称现象。这些发现加深了我们对普通股流动性动态的理解，并可用于校准基于代理的计算金融模型。
2014-05-06 q-fin.ST q-fin.TR
Analysis of trade packages in Chinese stock market
本文对中国股票市场中23只股票的连续买入或卖出序列组成的交易包进行了实证研究。我们研究了交易包的执行时间、交易数量和总交易量的概率分布，并分析了它们之间可能存在的标度关系。机构投资者和个人投资者之间存在数量差异。交易包的交易配置文件进行了调查，以揭示大交易的交易量和交易时间的一天中的偏好，和两种类型的投资者的不同配置文件意味着机构可能比个人更知情。我们进一步分析了整个交易包和交易包内的单个交易对价格的影响。我们发现，交易包的价格影响是不可忽略的，在执行时间的一段时间，它可能有一个幂律关系的总交易量。交易包内交易的价格影响相对于一天中的时间$t$显示出U形曲线，并且还显示出对交易量的幂律依赖性。机构交易包内的交易量对当前回报的影响更大，但与个人交易相比，以下价格反转持续的时间相对较短。
2011-03-08 q-fin.TR
Profitability of simple technical trading rules of Chinese stock exchange indexes
尽管技术性交易规则已被金融市场从业者广泛使用，但其盈利能力仍存在争议。本文使用1992年5月21日至2013年12月31日的上海证券交易所综合指数（SHCI）和1991年4月3日至2013年12月31日的深圳证券交易所综合指数（SZCI），研究了移动平均线（MA）和交易区间突破（TRB）规则的盈利性。采用$t$ -检验来检验在交易信号条件下的平均收益是否与无条件收益显著不同，以及在买入信号条件下的平均收益是否与在卖出信号条件下的平均收益显著不同。我们发现TRB规则优于MA规则，短期可变移动平均（VMA）规则优于长期VMA规则。通过White的现实检验和考虑数据窥探效应，我们发现在不考虑交易成本的情况下，最佳交易规则优于买入并持有策略。一旦将交易成本计算在内，交易利润将被完全消除。我们的分析表明，简单的交易规则，如MA和TRB不能击败中国证券交易所指数的标准买入并持有策略。
2015-04-15 q-fin.ST q-fin.TR
The cooling-off effect of price limits in the Chinese stock markets
本文从两个方面研究了冷却效应（与磁效应相反）。首先，从动态的角度，通过跟踪股票价格到达极限之前一段时间内一些金融变量的动态演化，研究了冷却效应的存在性。其次，从概率的角度，通过对2000 - 2011年上海证券交易所和深圳证券交易所A股的高频交易数据进行分析，并考察从开盘到涨停的交易时间段，运用logit模型检验了冷却效应的存在性。比较了涨停板和跌停板的性质，并将整个周期分为三个交替的牛市和熊市，比较了牛市和熊市状态可能存在的差异。我们发现，无论是上限制打击还是下限制打击，都存在冷却效应，且下限制打击的冷却效应要强于上限制打击。牛市和熊市之间的冷却效应的差异是相当温和的。此外，我们还检验了次优指令效应，并推断专业个人投资者和机构投资者在冷却效应中起着积极的作用。这些研究结果表明，涨跌停板制度对保持中国股票市场的稳定性具有积极的作用。
2018-03-26 q-fin.ST q-fin.TR
Impact of Cross-Listing Chinese Stock Returns. A and N Shares Rate of Return Comparison
本文通过比较在美国股票市场交叉上市的中国公司的收益率及其随机方差，考察了中国市场对ADR问题的反应。首先，运用资本资产定价模型（CAPM）确定A股和N股的预期收益率。资本资产定价模型提供了一种方法来量化风险，并将风险转化为对股本预期收益率的估计。总体研究结果表明，在2007-2008年世界金融危机期间，在美国上市的中国公司的N股股票比在当地市场上市的A股股票受到经济动荡的影响更大。为了检验交叉上市的假设，本文采用事件研究法，并假设剩余收益率具有同方差性，对收益率进行了建模。结果表明，在ADR上市日，市场回报率显著为负。上市后的收益波动率与上市前的收益波动率进行比较。十家公司中有四家在交叉上市后经历了当地回报的波动性增加。关键词：交叉上市，ADR，收益率，波动率，CAPM，GARCH模型，N股，A股
2017-11-23 q-fin.PR q-fin.RM q-fin.ST
An agent-based computational model for China's stock market and stock index futures market
本文提出了一个基于智能体的计算跨市场模型，该模型包含股票和沪深300指数期货。在这个模型中，我们设计了几只股票和一个指数期货来模拟这种结构。该模型允许异质投资者在财富、市场交易机制和风险管理等限制下做出投资决策。投资者的需求和订单提交是内生决定的。我们的模型成功地再现了中国金融市场的几个关键特征，包括现货-期货基差分布、买卖价差分布、波动率聚集和绝对收益率的长记忆性。该模型可用于跨市场风险控制、市场机制设计和套利策略分析。
2014-03-25 q-fin.ST q-fin.TR
Short-term Market Reaction after Trading Halts in Chinese Stock Market
本文利用上海证券交易所的高频数据，研究了停牌后绝对收益率、交易量和买卖价差的动态变化。我们处理了2009年8月至2011年8月期间上海证券交易所203只股票的全部三种停牌类型，即盘中停牌、单日停牌和跨日停牌。我们发现，绝对收益率，交易量，并在买卖价差的情况下，在盘中暂停具有相同的模式与一个尖锐的峰值和幂律松弛之后。而对于不同类型的停牌，其峰值高度和松弛指数是不同的。从停牌原因或停牌持续时间的角度来看，跨日停牌后绝对收益率的松弛指数均大于日内停牌和单日停牌后的绝对收益率松弛指数，说明跨日停牌最有效。从价格走势来看，在停牌和停牌一天的情况下，正事件的超额绝对收益和超额交易量的松弛指数均大于负事件的松弛指数，说明正事件对停牌和停牌一天的影响大于负事件。相反，负面事件比正面事件更有效。
2014-06-23 q-fin.ST q-fin.TR
Equity Market Impact Modeling: an Empirical Analysis for Chinese Market
市场冲击已成为学术界和行业专家日益关注的课题。本文提出了一个价格冲击模型，该模型考虑了价格在时间维度上的异方差性以及永久冲击与暂时冲击之间的相关性。通过构造几种特殊的交易轨迹，讨论并导出了永久影响和已实现影响的期望极值。考虑到我们使用的是从中国股票市场汇编的17，213，238，343个大交易和报价记录，模型评估最终表明我们的模型优于Almgren的模型。有趣的是，随机效应分析的结果表明，影响函数的指数参数$α$是一个常数，在所有股票中的值都在0.7左右。我们的模型和实证结果将有助于学术界对中国市场机制的理解，并可应用于算法交易。
2016-10-27 q-fin.TR
Dual State-Space Model of Market Liquidity: The Chinese Experience 2009-2010
本文提出并建立了一个基于二元状态空间线性回归的中国股票市场动态模型，该模型通过傅立叶变换连接到量价桶之间相关性的原始状态空间。我们将我们的模型应用于2009-2010年中国券商执行订单的价格迁移。监管经纪磁带被用来进行一个自然的实验，假设磁带对应于随机分配的，知情和不知情的交易员。我们的分析表明，客户订单与中国市场情绪指数密切相关-在神经网络的高度非线性意义上-与股票收益率显著相关，与中国银行的领头羊债券没有相关性。我们没有注意到2010年5月美国闪电崩盘导致的流动性不足的任何峰值，并没有影响到中国的交易。
2020-05-13 q-fin.ST q-fin.TR
Universal price impact functions of individual trades in an order-driven market
交易规模$ω$直接影响所交易股票的价格形成。对美国和澳大利亚股票市场交易数据的经济物理分析揭示了特定市场的标度律，当股票市值$C$作为标度关系中的参数时，可以在每个市场获得价格影响的主曲线。然而，引入股票资本化在缩放的理由是不清楚的，价格变化$r$和小交易的交易规模$ω$之间的异常负相关性是无法解释的。在这里，我们表明，这些问题可以通过考虑导致交易的订单的积极性以及适当的标准化技术来解决。使用中国市场的订单簿数据，我们表明，从完成和部分完成限价订单的交易有非常不同的价格影响。当交易量不太大时，部分成交订单的交易价格影响是恒定的，而成交订单的交易价格影响表现出幂律行为$r\sim ω^α$与$α\approx2/3$。当收益率和成交量被股票相关的平均值标准化时，两种类型的交易都出现了与资本化无关的标度律。然而，不能构建股票资本化方面的标度关系。此外，还验证了$α=α_ω/α_r$关系，其中$α_ω$和$α_r$是交易规模和收益的尾部指数。这些观察结果也使我们能够解释$r$和$ω$之间的异常负相关的小规模交易。我们预计，在其他订单驱动市场中，这些波动可能会持续。
2008-04-16 physics.soc-ph q-fin.TR
An empirical behavioural order-driven model with price limit rules
本文建立了一个经验行为订单驱动模型，该模型包括一个订单投放过程和一个撤单取消过程。在相对价格的定义中引入了限价规则。下单过程由几个经验因素决定：订单方向的长记忆性、相对价格的长记忆性、相对价格的非对称分布以及平均订单规模及其标准差对相对价格的非线性依赖性。撤单撤销遵循泊松过程，到达率由实际数据确定，撤销订单由相对价格水平和同一价格水平下相对位置的经验分布确定。模型的所有要素都是基于深圳证券交易所股票订单流的微观实证分析得出的。该模型能够产生真实市场中的主要程式化事实。计算实验表明，当涨跌幅限制高于涨跌幅限制时，涨跌幅限制的非对称设置会导致股票价格指数发散，反之则会消失。我们还发现，不对称的价格限制对程式化事实的影响。我们的EBOD模型为学术界、市场参与者和政策制定者提供了一个合适的计算实验平台。
2017-04-14 q-fin.CP q-fin.TR
Pattern recognition in micro-trading behaviors before stock price jumps: A framework based on multivariate time series analysis
研究股价跳跃前的微观交易行为是金融监管和投资决策的重要问题。本研究提供一个新的框架来研究基于多元时间序列分析的跳跃前交易行为。与现有文献不同的是，我们的方法考虑了嵌入在交易相关属性的时间信息，可以更好地评估和比较不同属性的异常水平。此外，它可以探索属性的联合信息量，以及选择一个子集的高信息量，但冗余最小的属性来分析的同质和特质模式在跳前交易的个股。此外，我们的分析涉及一组技术指标来描述微观交易行为。为了说明该方法的可行性，基于中国证券指数300的189只成分股的二级数据进行了应用案例。评估和比较了预测价格跳跃的属性的单独和联合信息水平。为此，我们的实验提供了一组跳跃指标，可以代表中国股票市场的跳前交易行为，并检测了一些股票的极端异常跳前交易。
2021-02-26 q-fin.ST q-fin.TR
Computational experiments successfully predict the emergence of autocorrelations in ultra-high-frequency stock returns
社会经济系统是一个复杂的适应性系统，在这个系统中，异质主体以自组织的方式相互作用和演化，宏观规律从微观特性中显现出来。为了理解复杂系统的行为，基于物理和数学模型的计算实验提供了有用的工具。在这里，我们进行计算实验，使用现象学订单驱动的模型称为修改后的迈克-法默（MMF）预测订单流的影响，在超高频回报的自相关性，量化赫斯特指数$H_r$。研究了三个可能的决定因素，包括订单方向的Hurst指数$H_s$、订单相对价格的Hurst指数$H_x$和幂律尾指数$α_x$.计算实验预测，$H_r$与$α_x$和$H_x$负相关，与$H_s$正相关。此外，$α_x$和$H_x$的值对$H_r$的影响可忽略不计，而$H_s$对$H_r$的影响占主导地位。利用中国43只股票的订单流数据，验证了MMF模型关于$H_r$对$H_s$和$H_x$依赖性的预测.
2018-02-24 physics.soc-ph q-fin.ST q-fin.TR
A parallel-network continuous quantitative trading model with GARCH and PPO
University of Electronic Science and Technology of China（电子科技大学）；Harbin Institute of Technology（哈尔滨工业大学）
在股票市场中，无论是专业投资者还是个人投资者，要想持续获利都是一项艰巨的任务。随着计算机科学和深度强化学习技术的发展，买入持有（Buy\&Hold，B\&H）已经被许多人工智能交易算法所超越。然而，信息和过程是不够的，这限制了强化学习算法的性能。因此，我们提出了一个并行网络连续定量交易模型，其中包含GARCH和PPO，以丰富基本的深度强化学习模型，其中深度学习并行网络层处理3个不同频率的数据（包括GARCH信息），并且邻近策略优化（PPO）算法与股票交易环境交互动作和奖励。在中国股票市场的5只股票上的实验表明，与基本的强化学习方法和实验模型相比，该方法获得了更多的额外收益。
2021-05-21 cs.LG q-fin.TR
Stockformer: A Price-Volume Factor Stock Selection Model Based on Wavelet Transform and Multi-Task Self-Attention Networks
Central University of Finance and Economics（中央财经大学）；School of Statistics and Mathematics（统计与数学学院）
本文提出 Stockformer 选股模型，通过小波变换分解价量收益并结合多任务自注意力网络，提升市场波动下的收益与趋势预测能力，在多个真实数据集及回测中表现优于现有方法。
2024-06-17 cs.LG q-fin.TR
An empirical behavioral model of price formation
尽管行为经济学已经证明，在许多情况下，理性选择是一个糟糕的经验模型，但它迄今未能提供价格形成等经济问题的定量模型。我们在这个方向上迈出了一步，通过开发实证模型，捕捉交易订单的放置和取消使用来自伦敦证券交易所的数据的行为。对于订单放置，我们表明，在给定的价格下订单的概率是很好的近似学生分布小于两个自由度，集中在最好的报价。这个结果是令人惊讶的，因为它意味着交易订单的放置是对称的，独立于买卖价差，买卖也是如此。我们还开发了一个粗糙但简单的取消模型，该模型取决于订单相对于最佳价格的位置以及限价订单簿中买卖订单之间的不平衡。这些结果相结合，构建一个随机代表代理模型，其中的订单和取消的条件概率分布。该模型被用来模拟价格的形成，并将结果与伦敦证券交易所的真实数据进行比较。在不根据价格数据调整任何参数的情况下，该模型对收益率分布和买卖价差的大小和函数形式产生了很好的预测。
2005-10-17 physics.soc-ph q-fin.TR
Time-reversal asymmetry in financial systems
本文基于中国指数和德国DAX指数的分时和日数据，研究了金融市场的大波动动力学。大起伏前后的动力学弛豫都是以幂律为特征的，并且指数$p_\pm$通常随大起伏的强度而变化。大波动动力学在分钟时间尺度上是时间反转对称的，而在日时间尺度上是不对称的。分析表明，时间反演的非对称性主要是由外力引起的。也正是这些外部力量使金融系统处于一种非平稳状态。揭示了中德两国股票市场的不同特征。
2013-08-03 physics.soc-ph q-fin.GN q-fin.RM
Hong Kong -- Shanghai Connect / Hong Kong -- Beijing Disconnect (?): Scaling the Great Wall of Chinese Securities Trading Costs
我们利用一个完全不同的交易成本模型来研究连接两个城市的证券交易所的沪港通开通的影响，这可以说是自克里斯托弗·哥伦布启航印度以来国际商业和金融领域最大的事件。我们设计了一种新的方法，弥补了中国交易成本数据的缺乏。我们估计了香港和中国两地上市证券的类似头寸的交易成本，希望提供有用的信息，以帮助衡量“中国证券交易成本的长城”。然后，我们对两地上市的香港证券的实际订单样本进行实际和估计交易成本的比较，以确定我们测量的准确性。我们寻求解决的主要问题是“哪个市场更适合交易，以获得相同（或类似）的证券或行业组合？我们发现，上海的交易成本可能比香港低，但在沪港通之前可能会变得更高。还有待观察的是，这种交易成本的增加是否是由于对中国证券的狂热而导致的暂时均衡，或者一旦两个市场开始变得越来越紧密，这种现象是否会持续下去。这将是有趣的，看看这一开创性的政策是否会导致全球各地的证券交易所相互连接，创造一个交易任何地方，任何时间的市场。除了单纯的交易成本之外，这种研究还可以用来收集一些证据，说明一旦一国开始将其金融市场合并，该国的治理模式和生活的其他方面对另一国有什么影响。
2019-09-17 q-fin.TR
An Efficient deep learning model to Predict Stock Price Movement Based on Limit Order Book
The Institute of Acoustics of the Chinese Academy of Sciences（中国科学院声学研究所）；University of Chinese Academy of Sciences（中国科学院大学）
提出基于Siamese架构处理买卖方数据的方法，结合MHA与LSTM模块，利用中国A股军工股数据验证，在超75%情况下提升了强基线模型对股票价格变动的预测性能。
2025-05-14 cs.LG q-fin.TR
From Knowing to Doing: A Memory-Controlled Benchmark for LLM Trading Agents on Stock Markets
Tsinghua University（清华大学）；Stepfun；FinStep；Shanghai Jiao Tong University（上海交通大学）；Adelaide University（阿德莱德大学）
针对LLM交易智能体评估中的知识泄露和收益归因问题，提出KTD-Fin基准，通过数据掩码和Barra风格归因框架，分离市场记忆与投资决策，并揭示收益主要来自被动市场暴露而非选股能力。
2026-05-27 cs.AI q-fin.TR
Price impact in equity auctions: zero, then linear
基于高质量数据，研究巴黎证券交易所股票拍卖的统计规律，发现拍卖价格附近订单簿密度呈线性且有峰值，并将新订单或取消订单的影响按规模分为零影响、线性影响和非线性超线性影响三部分。
2023-09-18 q-fin.ST q-fin.TR
