Suitability of using technical indicators as potential strategies within intelligent trading systems
机器学习在自动化和控制非线性复杂系统方面的潜力已经得到了充分的证实。这些技术在投资领域，特别是在管理股票投资组合方面一直具有潜在的应用价值。在本文中，这种利用的机会是通过分析潜在的简单交易策略，然后可以啮合在一起的机器学习系统之间切换。本文所研究的是这些策略的适格性，而不是应用。为了实现这一点，每个交易系统的基本假设进行了探索，并创建数据，以评估这些系统的有效性时，他们期望的基本模式的数据进行交易。这些策略与买入并持有策略进行了测试，以确定交易行为是否实际产生了任何有价值的结果，或者只是潜在价格的一个方面。然后，这些结果被用于根据期望回报或期望风险产生目标回报，因为这两者都是投资组合管理行业所要求的。结果显示，在上述行业中，利用战略的机会非常可行，在其狭窄的假设范围内表现良好，智能系统将它们结合起来，在没有假设的情况下表现良好。
2011-10-15 q-fin.PM
Optimal trading strategies - a time series approach
受自协方差矩阵谱理论的最新进展的启发，我们重新审视了Markowitz的均值-方差投资组合优化方法在时域中的重新表述。在其最简单的化身，它适用于一个单一的交易资产，并允许找到一个最佳的交易策略，其中-为给定的回报-是最低限度地暴露于市场价格波动。该模型最初研究了一系列的合成价格过程，采取二阶平稳，或表现出二阶平稳增量。注意的后果估计自协方差矩阵从小的有限样本，自协方差矩阵清洗策略，以减轻对这些进行了研究。最后，我们将我们的框架应用于现实世界的数据。
2016-03-25 q-fin.PM
Meta-CTA Trading Strategies based on the Kelly Criterion
商品交易顾问（CTA）的价格过程中的影响进行了探讨与一个简单的模型的帮助。CTA经理被认为是凯利优化者，他们将固定比例的资产投资于风险资产，其余部分投资于无风险资产。这就需要随着价格的变化定期调整投资组合的权重。CTA交易活动以幂律的形式影响价格变化。这两个规则管理的投资比率和价格的影响相结合，并导致通过更新在固定的时间间隔，以确定性的价格动态。对于模型参数的不同选择，人们得到定性不同的动态。结果可以用相图表示。Meta-CTA策略可以通过避开相图的关键区域或在适当的时候采取反向头寸来利用模型动态中固有的可预测性。
2016-10-31 q-fin.PM
Multiplicative approximation of wealth processes involving no-short-sale strategies via simple trading
研究了一类具有一般半鞅资产价格过程的金融市场模型，其中代理人只能使用非卖空策略进行交易。我们表明，财富过程使用连续交易可以近似非常接近的财富过程使用简单的组合购买和持有交易。这种近似是基于控制投资于资产的财富比例。作为一个应用程序，效用最大化问题被认为是最佳的期望效用和财富的过程中产生的连续交易可以近似任意使用简单的组合购买和持有策略。
2010-03-23 math.PR q-fin.CP q-fin.PM
On the Market-Neutrality of Optimal Pairs-Trading Strategies
研究了具有两种协整股票和一个具有CRRA效用的代理人的市场最优投资问题。我们扩展了Liu和Timmermann [The Review of Financial Studies，26（4）：1048-1086，2013]的发现，特别关注相关的随机控制问题何时/是否适定性，并提供验证结果。我们的新发现导致了一个尖锐的适定性条件，令人惊讶的是，这也是最优投资是市场中性的必要和充分条件（即在股票中具有抵消的多头/空头头寸）。因此，我们提供了一个理论上的理由，市场中立的配对交易，尽管有很强的实际意义，一直缺乏理论基础。
2016-08-29 q-fin.PM
On the Profitability of Optimal Mean Reversion Trading Strategies
本文研究了美国股票市场最优均值回归交易策略的盈利能力。与常规的配对交易不同，本文采用极大似然法构造了最符合Ornstein-Uhlenbeck过程的最优静态配对交易组合，并对模型参数进行了严格估计。因此，我们在交易前确保我们的投资组合符合均值回归过程。然后，我们使用模型参数生成反向交易信号。并通过多次检验对阈值和样本内期长度进行了优化。在九个好的配对例子中，我们可以看到我们的配对在样本内和样本外的时间段内都表现出很高的夏普比率（超过1.9）。特别地，Crown Castle International Corp.（CCI）和HCP，Inc. (HCP)在样本内测试期间，达到夏普比率2.326，在样本外测试期间，达到夏普比率2.425。皇冠城堡国际公司（CCI）和房地产收入公司（O）在样本内和样本外期间分别达到2.405和2.903的夏普比率。
2016-02-18 q-fin.PM q-fin.ST
A comparative study of the MACD-base trading strategies: evidence from the US stock market
近年来，越来越多的投资者在自己的交易中使用技术分析方法。由于计算能力的提高和公开数据的丰富，独立投资者可以方便地进行股票分析和回测自己的交易策略，因此评估技术分析的有效性变得更加可行。移动平均线收敛发散（MACD）指标是广泛用于不同策略的流行技术指标之一。为了验证MACD指标的有效性，本文使用传统参数（12，26，9）的MACD指标来构建各种交易策略。然后，我将这些策略应用于美国股票市场三个指数上市的股票（即，道琼斯、纳斯达克和标准普尔500指数），并从胜率、盈利能力、夏普比率、交易数量和最大回撤等方面评估其表现。回溯测试使用Python编程，涵盖2015年1月1日至2021年8月28日期间。结果表明，只有MACD指标的策略胜率不到50%。然而，结合MACD指标与其他动量指标（如资金流指数（MFI）和相对强弱指数（RSI））的交易策略的胜率有所提高。在此基础上，本文将交易量和日价格波动率纳入考虑，重新设计了MACD的数学公式，推导出一个新的指标VPVMA。结果表明，这种新的交易策略的胜率和风险调整性能得到了显著提高。总的来说，研究结果表明，虽然上述所有MACD交易策略都能产生正回报，但如果不使用其他动量指标，表现就不好。因此，VPVMA指示符执行得更好。
2022-06-18 q-fin.GN q-fin.PM
Enhancement of price trend trading strategies via image-induced importance weights
本研究利用深度学习图像分析技术识别价格图表中的预测性形态，构建triple-I权重增强价格趋势交易信号，经中国股市实证验证有效，还可应用于长期投资组合构建等多类交易场景。
2024-08-16 q-fin.PM stat.ML
Trading-profit attribution for the size factor
INTECH最近推出了一种算法，用于估计系统性再平衡对基于规则的投资策略的相对回报的交易利润贡献。我们应用这种方法来分析的大小因素，通过使用等权重的投资组合。这些策略结合了对规模因素的自然暴露与随机投资组合理论框架内的简单理解，为归因算法提供了一个自然的测试对象。
2016-01-28 q-fin.PM
QuantNet: Transferring Learning Across Systematic Trading Strategies
University College London（伦敦大学学院）；University of Manchester（曼彻斯特大学）
系统性金融交易策略占股票交易量的80%以上，也是外汇市场的一大部分。尽管可以获得来自多个市场的数据，但当前的交易方法主要依赖于学习每个市场的交易策略。在本文中，我们朝着开发完全端到端的全球交易策略迈出了一步，这些策略利用系统趋势来产生卓越的市场特定交易策略。我们介绍QuantNet：一种学习市场不可知趋势的架构，并使用这些来学习卓越的市场特定交易策略。每个特定于市场的模型都由一个编码器-解码器对组成。编码器将特定于市场的数据转换为抽象的潜在表示，该表示由所有市场共享的全局模型处理，而解码器基于来自特定于市场的编码器和全局模型的本地和全局信息来学习特定于市场的交易策略。QuantNet使用了最近在转移和元学习方面的进展，市场特定的参数可以自由地专注于手头的问题，而市场不可知的参数则被驱动以捕捉来自所有市场的信号。通过整合特殊的市场数据，我们可以学习一般的可转移动态，避免过度拟合的问题，以产生具有优异回报的策略。我们根据全球58个股票市场的3103种资产的历史数据对QuantNet进行评估。与表现最好的基线相比，QuantNet的夏普比率高出51%，卡尔马比率高出69%。此外，我们还展示了我们的方法相对于非迁移学习变体的优势，夏普和卡尔马比率分别提高了15%和41%。代码见附录。
2020-06-30 cs.LG q-fin.CP q-fin.PM
Generative Adversarial Networks for Financial Trading Strategies Fine-Tuning and Combination
University College London（伦敦大学学院）
系统交易策略是一种算法程序，旨在优化特定的性能标准来分配资产。为了在竞争激烈的环境中获得优势，分析师需要适当地微调其策略，或者发现如何以新颖的阿尔法创建方式组合弱信号。这两个方面，即微调和组合，已经使用几种方法进行了广泛的研究，但新兴的技术，如生成对抗网络可以对这些方面产生影响。因此，我们的工作提出了使用条件生成对抗网络（cGAN）进行交易策略校准和聚合。为此，我们提供了一个完整的方法：（i）时间序列数据的cGAN的训练和选择;（ii）每个样本如何用于策略校准;以及（iii）如何将所有生成的样本用于集成建模。为了证明我们的方法是有充分依据的，我们设计了一个包含579种资产的多种交易策略的实验。我们将cGAN与集成方案和模型验证方法进行了比较，两者都适用于时间序列。我们的结果表明，cGAN是策略校准和组合的合适替代方案，在传统技术无法生成任何Alpha时提供出色的性能。
2019-03-30 cs.LG q-fin.PM stat.ML
Optimal Dynamic Basis Trading
研究了随机基差模型下期货合约及其标的资产的动态交易问题。的基础演变是由一个停止缩放布朗桥来考虑在成熟的基础上的非收敛。在双曲绝对风险厌恶（HARA）风险偏好下，通过效用最大化问题确定最优交易策略。通过分析相应的哈密顿-雅可比-贝尔曼方程，得到了该方程存在解的精确条件，并显式求解了该方程的效用最大化.一系列的数值例子来说明最优策略和检查模型参数的影响。
2019-05-25 q-fin.PM
151 Estrategias de Trading (151 Trading Strategies)
这本书，这是在西班牙语，提供了详细的描述，包括超过550个数学公式，超过150个交易策略跨主机的资产类别（和交易风格）。这包括股票、期权、固定收益、期货、ETF、指数、大宗商品、外汇、可转换债券、结构性资产、波动性（作为一种资产类别）、不动产、不良资产、现金、加密货币、杂项（如天气、能源、通胀）、全球宏观、基础设施和税收套利。一些策略是基于机器学习算法（如人工神经网络，贝叶斯，k近邻）。我们还提供：用于说明样本外回溯测试的源代码和解释性注释;大约2，000个参考书目;以及900多个词汇表、缩略词和数学定义。本报告旨在提供描述性和教育性。- Este libro proporciones detalladas，que incluyen más de 550 fórmulas matemáticas，para más de 150 estrategias de trading para una acquisition de clases de activos y estilos de trading. Esto incluye acciones，opciones，bonos（renta fija），futuros，ETF，indices，commodities，divisas，bonos convertibles，activos estructurados，volatilidad（co…
2019-11-14 q-fin.GN q-fin.MF q-fin.PM
Trading Strategies Generated by Lyapunov Functions
功能组合生成，由E.R.发起Fernholz在近20年前提出，是一种用于构建具有受控行为的交易策略的方法。它是基于对基础市场模型的协变结构的非常弱的描述性假设，并且不需要估计模型参数。本文将相应的生成函数$G$解释为市场权重向量过程$μ(\cdot)$的李雅普诺夫函数，即通过$G(μ(\cdot))$在适当的测度变化下是上鞅的性质.这一观点统一、概括和简化了几个现有的结果，并允许制定在适当的时间范围内有可能跑赢市场投资组合的条件。本文从概率的角度研究了紧域上半鞅的随机贴现因子与凹变换的相互作用。
2016-03-27 math.PR q-fin.MF q-fin.PM
Kernel Learning for Mean-Variance Trading Strategies
Imperial College London, Department of Mathematics（伦敦帝国理工学院数学系）；University of Oxford, Mathematical Institute and Oxford Man Institute（牛津大学数学研究所和牛津曼研究所）
本文提出基于RKHS的核学习框架构建动态路径依赖的均值-方差交易策略，保留闭式解且无需梯度优化，在时间依赖场景下显著优于经典马尔可夫方法。
2025-07-14 cs.LG q-fin.MF q-fin.PM
Optimal Pairs Trading with Time-Varying Volatility
我们提出了一个配对交易模型，它包含了一个随时间变化的波动率的常数方差弹性类型。我们的方法是基于随机控制技术，给定一个固定的时间范围和一个投资组合的两个协整资产，我们定义的交易策略的投资组合权重最大化的预期电力效用从终端财富。我们使用有限差分法计算最优配对策略。最后，我们通过对每日频率的历史市场数据进行测试来说明我们的结果。参数估计的广义矩量法。
2021-11-04 cs.NA math.NA math.OC
Optimal Convergence Trading with Unobservable Pricing Errors
我们研究了一个与收敛交易相关的动态投资组合优化问题。收敛交易是一种利用暂时性错误定价的投资策略，它通过同时买入相对低估的资产和卖空相对高估的资产，并期望它们的价格在未来收敛。我们建立在Liu和Timmermann（2013）的模型基础上，并通过将不可观察的马尔可夫调制定价误差纳入两个协整资产的价格动态来扩展它。我们刻画了在完全信息和部分信息条件下的最优投资组合策略，这两种情况都是在无限制策略和β中性策略的假设下。利用新息方法，给出了求解部分信息下最优化问题所必需的滤波方程。最后，为了说明模型的功能，我们提供了一个两状态马尔可夫链的例子。
2019-10-07 q-fin.PM
Balancing small fixed and proportional transaction cost in trading strategies
交易成本以多种形式出现在金融市场中。在文献中有几个小比例交易成本的结果，并没有那么多的固定交易成本。在目前的工作中，我们实证研究的影响，这两种类型的交易成本，专注于一个投资组合优化。在这里，我们假设存在固定的交易成本，并且在固定的和成比例的交易成本之间存在一个平衡，使得它们中没有一个渐进地支配另一个。我们发现，当固定交易成本为$\varepsilon$时，价值函数与不含交易成本的Merton价值函数的偏差为$\varepsilon^1/2$阶，与纯比例成本的$\varepsilon^2/3$不同.在此基础上，我们提出了一个扩展的价值函数的权力$\varepsilon^1/2$。
2013-04-29 math.OC q-fin.PM
Trading Strategies Generated Pathwise by Functions of Market Weights
大约20年前，E.R. Fernholz引入了投资组合生成函数，该函数可用于构建各种投资组合，仅根据单个公司的市场权重。I. Karatzas和J.Ruf最近开发了另一种方法来构建投资组合的功能，这导致了相对于市场的强相对套利的非常简单的条件。在本文中，这两个概念的功能投资组合的生成是广义的路径，概率自由设置;投资组合生成函数被取代的路径依赖泛函，其中涉及到当前的市场权重，以及额外的有界变差函数的过去和现在的市场权重。这一概括导致更广泛的一类功能生成的投资组合比迄今为止可能的，并产生改进的条件，在适当的时间范围内表现优于市场的投资组合。
2019-03-09 math.PR q-fin.MF q-fin.PM
Designing Efficient Pair-Trading Strategies Using Cointegration for the Indian Stock Market
Praxis Business School（普拉西斯商学院）
配对交易策略是一种利用短期内一对股票价格波动的方法，而从长期来看，这对股票可能会表现出强烈的关联和共同运动模式。当股票的价格表现出显著的差异时，价格上涨的股票被卖出（空头策略），而价格下跌的股票被买入（多头策略）。本文提出了一种基于协整的方法，确定在印度国家证券交易所（NSE）的五个部门上市的股票设计有效的配对交易组合。基于2018年1月1日至2020年12月31日的股票价格，识别协整股票并形成配对。配对交易投资组合按其二零二一年的年度回报评估。结果表明，在研究的五个行业中，汽车和房地产行业的股票组合总体上获得了最高的回报。然而，在信息技术部门的五对投资组合中，有两对投资组合的回报率为负。
2022-11-14 cs.LG q-fin.PM
Probabilistic Forecasting for Day-ahead Electricity Prices, Battery Trading Strategies and the Economic Evaluation of Predictive Accuracy
University of Duisburg-Essen（杜伊斯堡-埃森大学）；Statkraft Trading GmbH（Statkraft交易有限公司）
本文探讨了概率预测在电力价格、电池交易和预测准确性评估中的应用，指出传统量化交易策略的不足，并通过德国电力市场案例研究，揭示了预测模型评估的挑战与改进方向。
2026-04-21 econ.EM q-fin.PM q-fin.ST
CRRA Utility Maximization under Risk Constraints
本文研究了在动态风险约束下，具有CRRA（常数，相对风险厌恶）偏好的交易策略的最优投资问题。所考虑的市场模型在时间上是连续的和不完全的。金融资产的价格由伊藤过程建模。动态风险约束是由风险度量生成的，具有时间和状态依赖性.最优交易策略的特征在于二次Bu。在\textit{time consistent distortion risk measures}类中，建立了一个三基金分离的结果。数值结果强调了对交易施加风险约束的影响。
2012-03-16 math.PR q-fin.PM
Deep Learning for Options Trading: An End-To-End Approach
Oxford-Man Institute of Quantitative Finance（牛津-曼数量金融研究院）；University of Oxford（牛津大学）
本文提出一种端到端深度学习方法，直接从市场数据学习期权交易信号，无需预设市场动态或定价模型，并在标普100成分股十余年数据上验证其风险调整后表现优于规则策略，且换手率正则化可进一步改善高交易成本下的表现。
2024-07-31 cs.LG q-fin.CP q-fin.PM
Inventory Management for High-Frequency Trading with Imperfect Competition
我们研究了库存厌恶型高频交易者（HFT）的纳什均衡，他们的交易是为了利用未来价格变化的信息。对于离散的交易回合，高频交易的最佳交易策略和他们的均衡价格的影响，描述了一个系统的非线性方程组，明确的解决方案，获得周围的连续时间限制。与风险中性情形不同，最优库存随着交易轮数的增大而趋于均值回复并消失。相比之下，高频交易的风险调整利润和均衡价格影响收敛到他们的风险中性同行。与合作型高频交易的社会计划者解决方案相比，纳什竞争导致过度交易，因此边际交易税实际上降低了市场流动性。
2019-06-05 q-fin.PM q-fin.TR
