Rise of the Machines? Intraday High-Frequency Trading Patterns of Cryptocurrencies
这项研究分析了加密货币市场的高频数据，涉及与算法交易相关的日内交易模式及其对欧洲加密货币市场的影响。我们研究交易量，如回报，交易量，波动周期，并提供回报相关性的汇总统计CRIX（CRyptocurrency Index），以及各个整体高频市场统计数据的时间方面。我们的研究结果提供了对市场的强制性洞察，在这个市场中，大规模使用自动交易算法和极其快速的交易执行似乎是基于媒体报道的标准。我们对交易模式的日内动量的研究结果为在这个新的数字市场中接近经济价值的可预测性提供了一种新的定量观点。
2020-09-09 q-fin.TR
Cross-Sectional Variation of Intraday Liquidity, Cross-Impact, and their Effect on Portfolio Execution
自然流动性的构成一直在随着时间的推移而变化。对标准普尔500指数成分股日内成交量的分析表明，（i）成交量意外，即，偏离他们各自的预测，在股票之间是相关的，以及（ii）这种相关性在交易时段的最后几个小时内增加。这些观察结果部分可归因于ETF、被动及系统性投资策略增长中隐含的投资组合交易活动的普遍性;以及接近交易时段结束时此类策略的交易强度增加，例如，由于共同基金的流入/流出以每天的收盘价为基准。在本文中，我们调查的后果，这种投资组合的流动性对价格的影响和投资组合的执行。我们从一个程式化的模型中得出了一个线性的跨资产市场冲击，该模型明确地捕捉了这样一个事实，即一定比例的自然流动性提供者只在他们选择执行时交易股票组合。我们发现，由于交叉影响和其日内变化，这是最佳的风险中性，成本最小化清算人执行组合的订单在耦合的方式，而不是一个可分离的VWAP样的执行，通常假设。最佳时间表将各种订单的执行结合在一起，以便能够在一天结束时利用增加的投资组合流动性。最坏情况下的分析表明，潜在的成本降低，从这个优化的执行时间表在分离的方法可以高达6%的合理模型参数。最后，我们讨论了如何估计横截面的价格影响，如果一个人有一个数据集的已实现的投资组合交易记录，利用低秩结构的系数矩阵建议我们的分析。
2018-11-13 q-fin.TR
Returns and Order Flow Imbalances: Intraday Dynamics and Macroeconomic News Effects
本研究利用异方差性识别的结构VAR模型，以秒级频率分析标普500 E-mini期货中收益与订单流不平衡的日内动态，发现宏观新闻显著改变价格-流量动态，冲击秒内消散，为高频价格形成与流动性提供新证据。
2025-10-08 econ.EM q-fin.TR
Endogeneous Dynamics of Intraday Liquidity
本文在五分钟时间尺度上考察了世界各地股票市场的四个流动性变量所包含的内生信息：交易量、买卖价差、波动率和买卖盘交易量。在格兰杰因果关系的精神下，我们通过线性自回归模型的准确性来衡量信息的水平。本实证研究是在来自四个不同市场（美国，英国，日本和香港）的300多只股票的数据集上进行的，时间超过五年。我们讨论了自回归（AR）模型对变量平稳化版本的表现，重点是解释股票之间观察到的差异。由于实证研究往往在这个时间尺度上进行，我们认为，这是至关重要的文件在一个简单的框架内，没有额外的补充信息的内生动力。因此，我们的研究可以作为一个基准，以确定外源性影响。另一方面，大多数最优交易框架（如著名的Almgren和Chriss）专注于计算接近我们考虑的频率的最优交易速度。这样的框架通常采用i.i.d.流动性变量的假设;本文记录了真实数据中出现的自相关性，为最佳交易的新发展打开了大门。
2018-11-09 q-fin.TR
The Effects of the Introduction of Bitcoin Futures on the Volatility of Bitcoin Returns
本文研究了比特币期货的推出对比特币日内波动性的影响。基于从四个加密货币交易所收集的一分钟价格数据，我们首先研究了比特币期货推出后已实现波动率的变化，以研究其对比特币日内波动率的综合影响。然后，我们利用离散傅立叶变换更详细地分析效果。我们发现，尽管比特币市场在推出比特币期货后立即变得更加波动，但随着时间的推移，它变得比推出前更加稳定。
2019-06-08 q-fin.TR
Fast and Furious: A High-Frequency Analysis of Robinhood Users' Trading Behavior
该研究通过高频分析发现Robinhood用户更偏好大幅下跌股、反应迅速，且其交易行为受隔夜/日内波动、疫情、公司规模及行业的影响存在显著差异。
2023-07-20 q-fin.TR
Hidden Markov Models Applied To Intraday Momentum Trading With Side Information
提出了一个日内动量交易的隐马尔可夫模型，该模型指定了一个潜在的动量状态，该动量状态负责产生所观察到的证券噪声收益。现有的动量交易模型存在由数字滤波器的延迟频率响应引起的时间滞后。当市场改变趋势方向时，时间滞后会导致错误的动量信号。这种状态空间公式的一个关键特征是没有这种滞后发生，允许在市场变化点的信号符号的准确变化。模型中的潜在状态的数量估计使用三种技术，交叉验证，惩罚似然准则和基于模拟的模型选择的边际似然。所有这三种技术都建议2或3个隐藏状态。模型参数，然后使用鲍姆-韦尔奇和马尔可夫链蒙特卡罗，同时假设一个单一的（离散化）单变量高斯分布的排放矩阵。通常，动量交易者会希望根据额外的信息来调整他们的交易信号。为了反映这一点，学习也在边信息存在的情况下进行。考虑了两组辅助信息，即已实现波动率和日内季节性。它表明，样条可以用来捕捉统计上显着的关系，从这些信息，允许返回预测。一个输入输出隐马尔可夫模型被用来将这些单变量预测信号的转移矩阵，提出了一种可能的解决方案，处理信号组合问题。贝叶斯推理，然后进行预测证券$t+1$回报使用的前向算法。对当前框架的简单修改允许异步预测的完全非参数模型。
2020-06-15 q-fin.TR
Detrended fluctuation analysis of intertrade durations
基于2003年在深圳证券交易所上市的23只流通股的限价订单簿数据和订单流，研究了交易间持续时间的日内模式、长记忆性和多重分形性质。观察到在下午交易的第一分钟，在交易持续时间内出现了一个反向的$U$形状的盘中模式。基于去趋势波动分析，我们发现了一个交叉的幂律标度行为的小盒子大小（贸易数字在盒子）和大盒子大小和强有力的证据，有利于长记忆在这两个制度。此外，在这两个制度的多重分形性质的交易间持续时间证实了个股的多重分形去趋势波动分析与少数例外的小持续时间制度。日内形态对长记忆和多重分形影响不大。
2008-06-15 physics.soc-ph q-fin.TR
Does Overnight News Explain Overnight Returns?
Northwestern University（西北大学）；UT Austin（德克萨斯大学奥斯汀分校）；University of Florida Conference on Machine Learning in Finance（佛罗里达大学金融机器学习会议）；Society of Quantitative Analyst Data Science in Finance Conference（金融量化分析师数据科学会议）；Cubist Systematic Strategies（Cubist系统策略）；Wolfe Research NLP Conference（Wolfe研究NLP会议）；Stony Brook Quantitative Finance Conference（石溪布鲁克量化金融会议）；Peking University（北京大学）；INFORMS Annual Meeting（INFORMS年度会议）；Institute for Mathematical and Statistical Innovation（数学与统计创新研究所）；CIBC（CIBC公司）
本文利用240万篇新闻文章和新型监督式主题分析方法，发现新闻主题流行度变化及其市场反应差异可解释美股日内与隔夜收益差异，并能预测个股隔夜与日内表现。
2025-07-06 cs.CL q-fin.TR stat.ML
Intraday Limit Order Price Change Transition Dynamics Across Market Capitalizations Through Markov Analysis
National Institute of Technology Sikkim（锡金国立技术学院）；Chennai Mathematical Institute（马德拉斯数学研究所）；University G. d’Annunzio of Chieti-Pescara（基耶蒂-佩斯卡拉G. d'安努齐奥大学）
本文通过马尔可夫分析研究不同市场资本化层级内盘中限价订单价格变化转换动态，揭示了价格惯性、稳定性及时间阶段特征。
2026-01-08 q-fin.ST q-fin.TR stat.AP
Power law scaling and "Dragon-Kings" in distributions of intraday financial drawdowns
我们研究了世界上最具流动性的期货金融合约在30秒的时间尺度上的ε-提取和ε-提取的分布。epsilon-drawdowns（分别）负（负）的概念（负）的概念（负）。正）回报，以捕捉投资者可以说是最关心的风险。与收益率的分布类似，我们发现ε-下降和ε-上升的分布呈现出幂律尾部，尽管指数明显大于收益率分布。这一矛盾的结果可以归因于（i）收益之间存在显著的瞬态相关性，以及（ii）存在大的离群值（龙王），其特征在于偏离幂律的下降/上升分布的极端尾部。对水位下降/上升的大小、速度和持续时间之间的尾部相关性的研究表明，大小和速度之间存在明确的关系，但大小和持续时间之间没有关系。这意味着最极端的下跌/上涨往往发生得很快，并由少数非常大的回报所主导。我们讨论了这些极端事件的内源性和外源性起源。
2015-04-07 q-fin.ST q-fin.TR
Overreaction as an indicator for momentum in algorithmic trading: A Case of AAPL stocks
University of Warsaw（华沙大学）
本文通过高频情感数据和机器学习方法，研究AAPL股票中过度反应作为动量信号的预测与交易策略，发现机器学习模型在超短期表现优异，而经典行为动量效应在中等频率占主导。
2026-02-21 q-fin.PM q-fin.TR
From orders to prices: A stochastic description of the limit order book to forecast intraday returns
我们提出了一个微观模型来描述限价订单簿（LOB）中的基本事件的动态：订单到达和取消。它基于单个订单的算子代数，并描述了它们对LOB的影响。模型的输入是从交易者的个人行为中产生的到达率和取消率分布，我们展示了价格和流动性是如何从LOB动态中产生的。在一个模拟研究中，我们说明了模型是如何工作的，并强调其敏感性的假设有关的市场参与者的集体行为。从经验上讲，我们在XETRA的LOB快照上测试了模型，估计了几个线性化模型规格，并进行了样本内和样本外预测。基于同期信息的样本内结果表明，我们的模型很好地描述了回报，导致调整后的$R^2$约为80%。在更现实的设置中，只有过去的信息进入模型，我们观察到调整后的$R^2$约为15%。下一次返回的方向可以预测（样本外），对于10分钟以下的时间范围，准确度超过75%。平均而言，我们得到的RMSPE比文献中记录的值低10倍。
2021-05-04 econ.EM q-fin.MF q-fin.ST
Modeling of Stock Returns and Trading Volume
在这项研究中，我们调查的收益率和交易量的统计特性。我们展示了一个典型的例子，幂律分布的回报和交易量。接下来，我们提出了一个受统计力学启发的股票市场的交互代理模型[24]，以探索实证结果。我们发现，作为相互作用的交易者之间的相互作用，加强双方的回报和交易量呈现幂律行为。
2013-09-10 q-fin.ST q-fin.TR
Ensemble properties of high frequency data and intraday trading rules
将标普500指数高频收益的日内序列看作是给定随机过程的每日实现，首先证明了聚合收益分布的标度性质可以用来定义一个鞅随机模型，该模型在每个交易日的上午一致地复制标普500指数高频数据的条件期望.然后，上述缩放特性的更一般的公式允许将模型扩展到下午的交易时段。最后，我们概述了一个应用程序中，条件预测是用来实现趋势跟踪交易策略能够利用线性相关性存在于标准普尔数据集和缺席的模型。交易信号是基于模型的，而不是来自图表标准。样本内和样本外检验表明，基于模型的交易策略比建立在非对称Gestival过程上的基准策略表现更好，并显示存在小的套利机会。我们注意到，在线性相关性的情况下，交易利润将消失，并讨论了为什么交易策略是潜在的兴趣，以对冲波动风险的标准普尔指数为基础的产品。
2013-07-15 cond-mat.stat-mech q-fin.TR
Analysis of Realized Volatility for Nikkei Stock Average on the Tokyo Stock Exchange
我们计算了东京证券交易所日经225指数的已实现波动率，并研究了收益动态。为了避免非交易时间对已实现波动率的影响，我们分别计算了东京证券交易所上午和下午两个交易时段的已实现波动率，发现微观结构噪声在小的采样频率下降低了已实现波动率。以已实现波动率作为综合波动率的代理变量，对我国股票市场上、午盘的收益率进行标准化，并通过方差、峰度和6阶矩的计算检验标准化收益率的正态性。我们发现，日经指数的方差、峰度和6阶矩与标准正态分布一致，这表明日经指数的收益动态可以很好地描述为具有时变波动性的高斯随机过程。
2017-03-28 q-fin.ST q-fin.TR
The Perception of Time, Risk and Return During Periods of Speculation
当你承担一定的风险时，你应该期待什么样的回报？这种回报如何取决于其他人的行为？你可以用什么原则来回答这些问题？在本文中，我们通过探索两个简单的假设风险的后果来接近这些主题。第一个是常识性的不变性原则：具有相同感知风险的资产必须具有相同的预期回报。第二个假设是关于时间的感知。我们推测，在投机兴奋的时候，短期投资者可能会本能地想象股票价格在一个不同于日历时间的时间尺度上演变。相反，他们可能会在内在时间内感知和体验股票的风险和回报，这是一个无量纲的时间尺度，可以计算出现的交易机会的数量。最值得注意的结果是，在短期内，股票的交易频率影响其预期收益。我们表明，短期股票投机者将预期回报率与股票的温度成正比，温度被定义为股票的传统波动率和其交易频率的平方根的乘积。我们希望，这个模型将有一些相关的行为，投资者期望在高度投机市场的过度回报。
2002-01-18 cond-mat.dis-nn q-fin.TR
The normaly distributed daily returns in stock trading
在这份报告中，我们讨论了一种新的定量策略，用于选择最佳股票进行交易。金融界对这些基本概念都非常熟悉。这里的关键是理解1）应用于样本的标准分数和2）应用于现实生活中不同时间序列的相关因子。这些概念是我们研究的核心。我们将从介绍部分开始。在这一部分中，我们讨论了方差、协方差、相关因子、股票交易中的日收益率以及检验时间序列正态性的Shapiro-Wilk检验。接下来，我谈到了我的方法的核心（如果你想选择最佳股票进行交易，你会怎么做）。在这篇报道的最后，我谈到了一个新的想法，如果你想分析一个以上的股票时。我所有的工作都有一个基本的反思：预测股票方向是一种随机游走，没有人能100%确定股票的走向。我们所能做的，就是假装有一个赢/输比大于51%的技术。
2012-12-30 q-fin.ST q-fin.TR
Predicting Stock Price Movement as an Image Classification Problem
Pixlifai（Pixlifai 公司）
本文将股票日内价格变动预测转化为图像分类问题，采用基于CNN的模型论证交易首小时与收盘价的高层关系，其预测指导的投资表现优于多数替代策略，凸显计算机视觉技术在金融市场研究中的适用性。
2023-03-02 cs.CE cs.LG q-fin.CP
Dynamics of Bid-ask Spread Return and Volatility of the Chinese Stock Market
买卖价差是衡量金融市场流动性的重要指标。本文研究了中国股票市场四种流通股的价差收益率和价差波动率的动态变化规律，包括记忆效应和多重分形性质。通过对自相关函数和去趋势波动分析（DFA）的研究，发现价差收益率缺乏长期记忆性，而价差波动率具有长期时间相关性。此外，通过应用多重分形去趋势波动分析（MF-DFA），利差收益率被观察到具有很强的多重分形，这是类似于各种金融量的动态。与利差收益率相关的是，利差波动率具有弱的多重分形性质。
2011-10-20 physics.soc-ph q-fin.ST q-fin.TR
Structural Limits of OHLCV-Based Intraday Momentum Signals in MNQ Futures: A Systematic Falsification Study
研究MNQ期货中基于价格和成交量数据的日内动量信号纳入实际成本后能否产生交易优势，通过对14个信号家族测试，应用一致评估框架，发现测试策略均不满足要求，凸显记录负面结果的重要性。
2026-09-17 q-fin.CP 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
