Strategic Learning and Trading in Broker-Mediated Markets
University of Oxford（牛津大学）；Oxford-Man Institute of Quantitative Finance（牛津曼定量金融研究所）
本文研究了中介市场中经纪人与交易者的信息博弈，发现信息泄露可使经纪人获得与交易成本相当的经济价值，从而对交易者产生不利影响。
2026-01-19 q-fin.TR
Intraday Patterns in the Cross-section of Stock Returns
受投资流和最优交易文献的启发，我们研究了股票收益横截面的日内可预测性。我们发现了一个惊人的模式，即以半小时为间隔的回报持续，这是一个交易日的确切倍数，这种影响至少持续了40个交易日。成交量、订单失衡、波动性和买卖价差表现出类似的模式，但不能解释收益模式。我们还表明，短期回报逆转是由持续不到一个小时的临时流动性失衡和买卖反弹驱动的。择时交易可以减少相当于有效价差的执行成本。
2010-05-19 q-fin.TR
Price formation and optimal trading in intraday electricity markets with a major player
我们研究了间歇性可再生能源发电存在下的日内电力市场价格形成。我们认为，设置一个主要生产者可能会与大量的小生产者的战略互动。利用随机控制理论，我们确定了代理商的最佳策略与市场冲击和展示纳什均衡在封闭形式的渐近框架中的平均场游戏与一个主要的球员。这是[Féron，Tankov，and Tinsi，Price formation and optimal trading in the intraday electricity markets，arXiv：2009.04786，2020]的姊妹论文，其中在相同代理人的设置中开发了类似的模型。
2020-11-15 q-fin.PR 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
Rock around the Clock: An Agent-Based Model of Low- and High-Frequency Trading
我们建立了一个基于主体的模型来研究低频和高频交易之间的相互作用如何影响资产价格动态。我们的主要目标是调查高频交易是否会加剧市场波动并产生闪电崩盘。在该模型中，低频代理人采用基于时间顺序的交易规则，并可以在基本面和图表策略之间切换。相反，高频交易者的激活是事件驱动的，取决于价格波动。高频交易者使用方向策略来利用低频交易者产生的市场信息。蒙特卡洛模拟表明，该模型复制了金融市场的主要程式化的事实。此外，我们发现，高频交易的存在增加了市场波动性，并在闪电崩盘的产生中发挥了根本性的作用。闪电崩盘的出现可以用高频交易者的两个显著特征来解释，即他们能够i）产生高买卖价差，ii）在限价订单簿的卖方同步。最后，我们发现高频交易者取消撤单的比率越高，闪电崩盘的发生率越高，但持续时间越短。
2014-02-10 q-fin.TR
Fast and Slow Optimal Trading with Exogenous Information
该研究通过耦合随机控制模型，求解了慢速机构投资者与高频交易者之间的Stackelberg均衡，发现考虑高频交易者订单流可显著提升机构投资者盈利。
2023-06-23 q-fin.TR
Price formation and optimal trading in intraday electricity markets
我们开发了一个易于处理的均衡模型，在间歇性可再生能源发电的存在下，在日内电力市场的价格形成。利用随机控制理论，我们确定了代理商的最优策略与市场冲击和展示纳什均衡在封闭形式的有限数量的代理商，以及在平均场博弈的渐近框架。我们的模型再现了日内市场价格的经验特征，例如在交割日临近时价格波动性增加以及价格与可再生进料预测之间的相关性，并将这些特征与流动性，代理商数量和不平衡惩罚等市场特征联系起来。
2021-06-30 q-fin.PR q-fin.TR
DeepScalper: A Risk-Aware Reinforcement Learning Framework to Capture Fleeting Intraday Trading Opportunities
Nanyang Technological University（南洋理工大学）；Huawei Noah Ark Lab（华为诺亚方舟实验室）；Webank（微众银行）；Tsinghua University（清华大学）
强化学习（RL）技术在许多具有挑战性的定量交易任务中取得了巨大成功，例如投资组合管理和算法交易。特别是，由于金融市场的日内行为反映了数十亿快速波动的资金，日内交易是最有利可图和风险最大的任务之一。然而，绝大多数现有的RL方法集中在相对低频的交易场景（例如，日级别），并未能捕捉稍纵即逝的日内投资机会，由于两个主要的挑战：1）如何有效地训练有利可图的RL代理日内投资决策，这涉及高维细粒度的行动空间; 2）如何学习有意义的多模态市场表示，以了解在tick级别的金融市场的日内行为。受专业人类日内交易者的高效工作流程的启发，我们提出了DeepScalper，这是一个用于日内交易的深度强化学习框架，以应对上述挑战。具体来说，DeepScalper包括四个组件：1）具有动作分支的决斗Q网络，用于处理日内交易的大动作空间，以实现高效的RL优化; 2）具有事后奖励的新型奖励函数，以鼓励RL代理在整个交易日的长期视野下做出交易决策; 3）用于学习多模态时间市场嵌入的编码器-解码器架构，其结合了宏观级和微观级市场信息;（4）风险意识辅助任务，在利润最大化和风险最小化之间保持平衡。通过对六种金融期货三年多的真实市场数据进行广泛的实验，我们证明了DeepScalper在四个金融标准方面的表现明显优于许多最先进的基线。
2022-08-21 cs.AI cs.LG q-fin.TR
Patience vs. Impatience of Stock Traders
在高频交易中，推迟执行而不受惩罚的能力提供了一个重要的战略优势。为了阐明交易者之间的竞争，我们必须从市场预期和报价中制定一个执行价格形成的定量理论。这个理论是由福柯、卡丹和坎德尔在2005年提出的。我推导出渐近分布的出价/出价的耐心和不耐烦的交易者的比率的函数使用动态版本的福柯，卡丹和坎德尔动态限价订单簿（LOB）模型。LOB模型的动态版本允许对交易市场进行程式化但足够真实的表示。特别是，动态LOB允许模拟执行时间的分布和高频报价的价差。在理解交易是交易者之间执行即时性的竞争方面取得了重大的分析进展。定性的结果进行了比较，高流动性股票的经验量价分布。
2014-06-18 q-fin.TR
Optimal Order Execution in Intraday Markets: Minimizing Costs in Trade Trajectories
最优执行，即，多年来，确定在连续交易时段中交易量的最具成本效益的方式一直是股票交易界感兴趣的话题。电力日内交易缓慢地遵循这一趋势，但远未得到充分研究。根本问题是一个非常复杂的问题。能源交易商、生产商和电力批发公司从客户企业、可再生能源生产或工厂停电接收各种头寸更新，并需要在日内市场交易这些头寸。他们有各种各样的选择，当谈到位置大小或时间。是不是一次性交易所有金额更好？他们应该把订单分成更小的部分吗？本文以德国连续小时日内市场为例，推导出适合电力交易的模型。我们展示了样本外研究的结果，并区分了简单的基准模型和我们更精细的优化方法，该方法考虑了订单簿深度、交货时间和不同的交易制度，如XBID（跨境日内项目）交易。我们的论文具有高度相关性，因为它有助于进一步深入了解连续日内市场中算法执行的学术讨论，并为从业者提供指导。我们的初步结果表明，最优执行策略有相当大的货币影响。
2020-10-03 q-fin.PM q-fin.TR
Liquidity Competition Between Brokers and an Informed Trader
本文研究经纪商与知情交易者的流动性竞争场景，通过序贯博弈分析经纪商的内部化-外部化策略，求解知情交易者的闭式交易策略及经纪商均衡方程组，数值验证了非帕累托有效均衡的存在。
2025-11-12 q-fin.TR
The Importance of Low Latency to Order Book Imbalance Trading Strategies
人们普遍认为，对交易所的低延迟访问是许多高频交易策略盈利的关键因素。某些金融公司为与交易所服务器合用同一地点而进行的“军备竞赛”证明了这一信念。据我们所知，我们的研究是第一个验证和量化这一假设在一个连续的双重拍卖市场与一个单一的交易所类似于纽约证券交易所。在没有报告贸易商身份和地点的历史数据的情况下进行这种探索是不可行的。因此，我们调查的延迟访问订单簿信息和盈利能力的交易策略利用该信息与基于代理的交互式离散事件模拟，成千上万的代理追求原型交易策略之间的关系。我们介绍了实验交易者追求低延迟订单簿不平衡（OBI）策略，在数千个模拟交易日的控制方式，并分析OBI交易者的利润，而不同的距离（延迟）从交易所。我们的实验支持延迟与OBI交易员的利润呈负相关，但更有趣的是，延迟排名，而不是绝对幅度，是追求类似策略的代理之间分配回报的关键因素。
2020-06-15 q-fin.TR
Prospect Theory for Online Financial Trading
前景理论被广泛认为是人们在实验环境中如何评估风险的最佳描述模型。根据前景理论，人们对收益是风险厌恶的，而对损失是风险寻求的，这种现象称为“损失厌恶”。尽管前景理论在行为经济学的理论层面上已经得到了很好的发展，但大规模的实证研究却很少，而且大多数都是使用微观面板数据进行的。在这里，我们分析了8.13万名交易者在28个月内进行的2850万笔交易，旨在探索前景理论的大规模实证方面。通过分析和比较交易者和交易者的盈亏行为，我们发现了前景理论的本质--损失厌恶现象的明显证据。因此，这项工作展示了前景理论前所未有的大规模经验证据，对金融交易有直接影响，例如，通过最小化损失规避的影响来开发新的交易策略。此外，我们引入了三个风险调整的指标，灵感来自前景理论，以区分赢家和输家的交易者的基础上，他们的历史交易行为。这为我们提供了增强在线社交交易的潜在机会，交易者可以通过基于历史交易行为而不是他们在任何给定时间点的交易表现来预测潜在的赢家，从而观察和跟踪其他人的交易活动。
2014-03-07 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
Optimal position-building strategies in competition
本文提出一个博弈论框架，研究在与其他交易者竞争时如何制定最优建仓策略，通过最小化总交易成本，证明均衡策略存在并提供闭式解。
2024-11-07 q-fin.TR
Nash Equilibrium between Brokers and Traders
本文构建经纪商、知情与不知情交易者的完美信息博弈模型，通过耦合FBSDEs显式求解纳什均衡，并分析信息、盈利与库存控制对交易策略的影响。
2025-07-22 q-fin.TR
Trading on the Floor after Sweeping the Book
知情的交易者需要快速交易，以便在公开之前从他们的私人信息中获利。快速的电子市场提供了这种流动性。慢速市场提供基于拍卖的交易大厅的执行。混合市场结合了这两个执行场所。在其主要结果中，该论文表明，为了补偿其缓慢和高风险的执行，交易大厅的深度至少需要是清扫设施的两倍。此外，当一个独立的交易大厅通过增加一个清扫设施来增强时，整体知情交易将下降，因为知情交易者更容易提取其私人信息的全部价值。
2020-01-17 q-fin.TR
Corporate Governance, Noise Trading and Liquidity of Stocks
本文的主要任务是研究公司治理对上市公司股票市场流动性的影响。本文建立了一个包含投资者信念异质性的理论模型来解释公司治理改善公司股票流动性的机制。在这个过程中我们发现，市场中存在半知情的噪声交易者是公司治理产生改善股票流动性效果的重要条件。我们进一步发现，这种效应的强度受到噪声交易者参与市场交易的程度的影响。我们的模型发现，公司治理和噪声交易者参与交易的程度对提高股票的流动性具有协同效应。
2020-01-17 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
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
Facilitation and Internalization Optimal Strategy in a Multilateral Trading Context
本文研究了一个专业交易员在多边交易设施中的四种交易算法，观察了一个现实的双边限价订单簿，其动态由订单簿事件驱动。交易者的身份可以是内部化的或常规的，可以是对冲基金或经纪机构。交易的速度和成本可以通过对交易记录中的显示订单选择积极策略和对点差中的隐藏订单选择消极策略来平衡。我们将表明，价格转换算法提供了混合交易算法的下限和上限。特别地，当内部化溢价为零时，内部化交易者的最优混合交易策略可以在价格转换策略集合中实现。对于内部化交易者和常规交易者，最优价格转换策略都是存在的，并且用价值函数表示。给出了离散状态过程的价值函数和最优价格切换策略的并行计算方法。
2015-01-10 math.OC 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
Market Microstructure During Financial Crisis: Dynamics of Informed and Heuristic-Driven Trading
我们建立了一个包含知情、不知情和投机驱动的投资者的市场微观结构模型，后者的行为符合损失规避和心理账户。我们发现，在2008年期间，知情交易（PIN）的概率变化显着。相反，在雷曼兄弟破产之前和之后，投机驱动交易（PH）的概率保持不变。横截面分析得出，与PIN不同，PH对尺寸和体积效应不敏感。我们发现，商业驱动的交易者普遍存在于所有的细分市场，他们的存在是随着时间的推移是恒定的。此外，我们发现，投机驱动的投资者和知情的交易者是不相交的集。
2016-06-11 q-fin.TR
Generalized Optimal Liquidation Problems Across Multiple Trading Venues
本文将Almart-Chriss的市场冲击模型推广到一个更现实、更灵活的框架，并利用它来推导和分析证券市场最优清算问题的某些方面。我们说明了当多个交易场所和额外的信息被带入证券市场并被交易者检测到时，交易者的清算策略如何改变。本文的研究对清算策略与市场流动性之间的关系提供了新的认识，并为随机波动的最优清算问题提供了一种多尺度方法。
2017-08-04 q-fin.TR
Detecting informed activities in European-style option tradings
我们提出了一个数学程序，发现知情交易者的活动，在欧式期权和他们的标的资产。编写了具有移动平均分量的回归模型（9）。在此基础上，加入标的资产对数价差的ARMA过程，将广义模型写成向量ARMA，在abs（ro）<1处稳定。我们还构建了一个知情交易者活动的存在标准。我们使用TAIFEX期权价格调查这种活动是否在市场上。我们发现，主要市场参与者对定价过程没有显著影响。
2014-03-13 q-fin.TR
Simulating and analyzing a sparse order book: an application to intraday electricity markets
针对非流动性市场传统限价订单簿模型的不足，提出基于非齐次Poisson过程的稀疏LOB模拟分析模型，应用于欧洲日内电力市场揭示其微观结构特性，为市场参与者提供参考，也可推广至其他非流动性市场。
2024-10-09 q-fin.CP q-fin.TR
Automated Creation of a High-Performing Algorithmic Trader via Deep Learning on Level-2 Limit Order Book Data
我们提出的结果表明，一个适当配置的深度学习神经网络（DLNN）可以自动学习成为一个高性能的算法交易系统，纯粹从被动观察现有的成功交易者T产生的训练数据输入操作。也就是说，我们可以将黑盒DLNN系统指向交易者T，并成功地让它从T的交易活动中学习，这样它的交易至少和T一样好。我们的系统，称为DeepTrader，采用来自二级市场数据的输入，即市场的限价订单簿（LOB）或可交易资产的阶梯。不同寻常的是，DeepTrader没有对未来价格做出明确预测。相反，我们纯粹在输入-输出对上训练它，在每一对中，输入是T向市场发出报价Q（即买入或卖出订单）时拍摄的二级LOB数据的快照S; DeepTrader的期望输出是在显示S时产生Q。也就是说，我们训练我们的DLNN，向它显示T在T发出报价Q时看到的LOB数据S，这样我们的系统就像T一样，充当算法交易者，根据特定的LOB条件发出特定的报价。我们对DeepTrader进行了大量的S/Q快照/报价对训练，然后在各种市场场景中进行测试，并将其与公共领域文献中的其他算法交易系统进行评估，其中包括两个多次被证明优于人类交易员的系统。我们的研究结果表明，DeepTrader可以学习匹配或优于现有的算法交易系统。我们分析了成功的DeepTrader网络，以确定它依赖哪些功能，哪些功能可以忽略。我们提出，我们的方法原则上可以通过“黑盒”深度学习方法创建任意交易者T…
2020-11-29 q-fin.TR
A Limit Order Market with Uncertain Informed Trading Participation
London School of Economics（伦敦政治经济学院）
研究含知情交易者、噪声交易者和流动性供应商的单期限价订单市场，知情交易者数量随机。通过边际成本函数的不动点积分方程刻画均衡，分析大订单渐近性并数值求解，得出价格冲击规律及相关结论。
2026-07-07 q-fin.MF q-fin.TR
Are Large Traders Harmed by Front-running HFTs?
本文研究高频交易者抢跑对大额交易者的影响，发现HFT总是抢跑，且在高速噪声交易充足或预测模糊时大额交易者受益，但在特定条件下预测不准或噪声交易少时大额交易者仍会受损。
2023-07-27 econ.GN q-fin.EC q-fin.MF
High-frequency intraday trading for battery storages
ETH Zurich（苏黎世联邦理工学院）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Luxembourg（卢森堡大学）；University of Bamberg（班贝格大学）
该研究针对电网级电池储能系统，提出一种高效高频的滚动内在交易策略，通过快速动态规划近似求解，在德国日内电力市场回测显示其收益显著高于低频策略，且可提升样本外收益。
2026-08-03 cs.SY eess.SY math.OC
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
Profit and loss manipulations by online trading brokers
在线交易吸引了全世界数百万人。据报道，2021年3月，仅一家经纪商就有1800万个账户。从历史上看，金融市场的操纵被认为是欺诈性地影响股票、货币对或任何其他指数的价格。本文介绍了网上交易平台技术问题可以被认为是经纪人操纵交易者的利润和损失。更重要的是，它表明这些技术问题是零售交易员亏损风险的82%的促成因素。我们确定了世界领先的在线交易提供商之一的交易平台技术问题，并计算了这些问题造成的零售交易者损失。为此，我们使用经纪商提供的REST API响应独立记录每个交易细节。我们向交易者展示日志活动文件是评估经纪商任何可疑利润或损失操纵的唯一方法。因此，任何零售交易者都必须访问他们的日志文件。我们将我们的调查结果与经纪人的Trustpilot客户评论进行比较。我们说明了交易者的利润和损失如何受到经纪商平台技术问题的负面影响，例如无法关闭盈利交易，延迟关闭交易，交易消失，客户报表中的利润消失，损益差异，止损未被触发，止损或限价订单过早触发。尽管监管机构试图确保消费者得到公平的交易，但这些努力在保护零售商方面远远不够。因此，FCA等监管机构应该认真对待这些技术问题，而不是依赖经纪商的内部调查，因为在任何其他情况下，这些平台操纵都会被视为犯罪，纵容挪用资金。
2021-07-29 q-fin.TR stat.OT
Market Impact in Trader-Agents: Adding Multi-Level Order-Flow Imbalance-Sensitivity to Automated Trading Systems
由人类交易员组成的金融市场通常表现出“市场冲击“，其中在任何交易发生之前，交易员的报价价格沿着预期变化的方向移动，作为对大规模（即，“阻止”）市场中的买入或卖出订单：例如，市场上的交易者知道大宗买入指令会推高价格，因此他们立即向上调整报价。大多数主要的金融市场现在都涉及许多“机器人交易员”，自主自适应软件代理，而不是人类。本文探讨了如何给这样的交易代理一个可靠的预期灵敏度，以块订单，这样完全由机器人交易员填充的市场也显示出市场影响效应。在2019年的一份出版物中，Church & Cliff展示了一个简单的确定性机器人交易员ISHV的初步结果，该交易员通过监测市场供需失衡的指标来展示这种市场冲击效应。我们的论文的新贡献是：（a）我们批评了Church & Cliff使用的方法，揭示了它们的弱点，并认为需要一个更强大的不平衡度量;（b）我们主张使用多层次订单流不平衡（MLOFI：Xu et al.，2019）作为对不平衡敏感的机器人交易员代理的更好基础;（c）我们展示了在扩展ISHV时使用更强大的MLOFI度量，以及众所周知的AA和ZIP交易代理算法（这两种算法之前都被证明一直优于人类交易员）。我们证明，新的不平衡敏感的交易代理人在这里介绍的表现出市场冲击的影响，因此更适合在市场中的影响是一个因素的关注或兴趣，但不遭受的弱点，所使用的方法由教会和克利夫。我们在这里报告的工作的源代码可…
2020-12-23 cs.CE q-fin.TR
Evolving intraday foreign exchange trading strategies utilizing multiple instruments price series
我们提出了一个遗传编程架构的外汇交易策略的产生。该系统的主要特点是不依赖于任何先验模型的自由形式策略的演变，以及利用多种工具的价格序列作为输入数据。后一个特征构成了相对于文献中记载的先前作品的创新。在这篇文章中，我们使用AUD.USD，EUR.USD，GBP.USD和USD.JPY货币对的5分钟开、高、低、收盘柱数据。我们将测试执行分析的样本内和样本外的性能的策略交易美元.日元在多个算法运行获得。我们还将评估根据两个不同标准选择的策略之间的差异：一个依赖于仅在训练集上获得的适应度，第二个使用额外的验证数据集。策略活动和交易准确性在样本内和样本外的结果之间非常稳定。从盈利能力的角度来看，这两个标准都导致战略成功的样本外数据，但表现出不同的特点。整体表现最好的样本外策略实现了19%的年回报率。
2014-11-08 cs.NE q-fin.TR
Where Backtests and Live Trading Part Ways: Six Defects from One Intraday System
该研究对比美国股票日内交易系统的实盘与回测，发现六大数据、代码、配置类缺陷并给出防范措施，还提供十点检查表。
2026-10-16 q-fin.ST q-fin.TR
How Traders enter the Market through the Book
基于模拟交易活动的书的实现.
2001-03-05 cond-mat.stat-mech q-fin.TR
The Effects of High-frequency Anticipatory Trading: Small Informed Trader vs. Round-Tripper
本文在扩展Kyle模型中研究能预判大额订单的高频交易者，发现其可扮演小型知情交易者或回转交易者角色，前者损害知情交易者，后者可能使其受益，同时抢先交易可减轻普通非知情交易者损失并加速价格发现。
2024-02-26 econ.GN q-fin.EC q-fin.MF
Predatory trading and risk minimisation: how to (b)eat the competition
我们提出了一个掠夺性交易者在中央储备（通过税收等方式消耗财富）和通货膨胀的情况下相互作用的模型。该模型在网络上进行检查，目的是将相互作用的复杂性与系统性风险相关联。我们建议使用选择性网络来提高任意选择的交易者的生存率。我们的结论表明，与“注定失败”的交易者建立网络是最无风险的情况，如果交易者要与同行建立网络，那么与那些内在财富比自己少的人建立网络要好得多，以确保个人，甚至是系统的稳定性。
2012-02-07 q-fin.GN q-fin.TR
A Mean Field Game between Informed Traders and a Broker
本文研究了经纪人与知情交易者之间的随机博弈，利用 Gâteaux 导数方法求解了其平均场博弈的闭式解，并发现经纪人最优交易策略为线性形式，该 Nash 均衡有助于知情交易者利用私有信息及经纪人决定订单流的内外部化策略。
2024-01-10 math.OC q-fin.TR
A market impact game under transient price impact
在一个简单的市场冲击模型中考虑两个高频交易者之间的纳什均衡，该模型具有瞬时价格冲击和附加的二次交易成本。我们扩展了Schöneborn（2008）的一个结果，证明了纳什均衡的存在性和唯一性，并证明了在交易成本较低的情况下，高频交易者参与了一个“烫手山芋游戏”，在这个游戏中，相同的资产头寸被来回出售。然后，我们确定了一个临界值的交易成本的大小以上，所有的振荡消失，战略成为只买或只卖。数值模拟表明，对于双方交易者的预期成本可以低于交易成本比没有。当不存在交易成本时，交易成本会随着交易频率的增加而增加;当交易成本足够高时，交易成本会随着交易频率的增加而减少。我们认为，这些影响的发生是由于需要保护，以防止掠夺性交易的制度低交易成本。
2017-05-08 q-fin.TR
Quantifying immediate price impact of trades based on the $k$-shell decomposition of stock trading networks
股票市场的交易者交换股票并形成股票交易网络。在股票交易网络的不同位置的交易可能包含不同的信息。我们构建股票交易网络的基础上的限价订单簿数据和分类的$k$类使用$k$壳分解方法。通过比较封闭的国内市场（A股）和国际市场（B股）、个人和机构、部分成交和成交交易、买方发起和卖方发起的交易以及交易网络中不同位置的交易，研究了交易行为对价格影响的影响。机构交易者专业地使用一些交易策略来减少价格影响，并且在交易网络中处于相同位置的个人比机构具有更高的价格影响。我们还发现，在核心的行业有更高的价格影响比那些在外围壳。
2016-12-05 q-fin.ST q-fin.TR
Optimal trading policies for wind energy producer
我们研究了风能生产商的最优交易策略，该生产商的目标是在开放的远期、现货、盘中和调整市场上出售未来的产量，并且可以获得未来产量的不完美动态更新预测。我们构建了一个随机模型的预测演变，并确定最佳的交易政策，动态更新新的预测信息变得可用。我们的研究结果可以量化风力发电厂的预期未来收益，并确定预测的经济价值。
2016-09-07 q-fin.TR
A Gabor--Epps uncertainty principle for traders
University of Cape Town（开普敦大学）
提出适用于实际交易的加博尔 - 埃普斯不确定性原理，核心是高频相关性通过市场活动等解决，给出六条经验法则，指出在不同时间尺度下定位与依赖的关系及风险。
2026-07-07 q-fin.TR
Can market volumes reveal traders' rationality and a new risk premium?
Università Politecnica delle Marche（马尔凯理工大学）；Baruch College, The City University of New York（纽约市立大学柏鲁克学院）；Icona Capital - London（Icona资本伦敦分部）
本文基于最优默顿动力学，提出一个交易策略模型，通过成交量估计交易者平均风险厌恶，并揭示与风险市场价格和成交量率密切相关的风险价格。
2026-05-26 q-fin.TR
Optimal High Frequency Trading in a Pro-Rata Microstructure with Predictive Information
我们提出了一个框架来研究最优的交易政策，在一个按比例的限价订单簿，通常会出现在短期利率期货合约。高频交易者可以选择通过市价订单或限价订单进行交易，这两种订单分别由脉冲控制和常规控制表示。我们的模型和讨论的后果的两个主要特点，这种特殊的微观结构：第一，限价订单发送的高频交易员只执行部分，因此，她没有控制的执行数量。为此，累积执行量的复合泊松过程建模。第二，高频交易者面临过度交易的风险，这是在她的库存残酷的变化的风险。这种风险的后果进行了调查的背景下，最佳清算。利用随机控制和动态规划方法研究了最优交易问题，得到了价值函数的一个积分拟变分不等式的刻画.然后，我们提供了相关的数值解决方案的程序，并证明了这种计算方案的收敛性。接下来，我们研究几种情况，我们可以一方面通过减少状态变量的数量来简化数值计算过程，另一方面专注于实际感兴趣的特定情况。在中间价格过程是鞅的情况下，我们研究了一个做市问题和一个最佳执行问题。我们还详细介绍了一个高频交易策略的情况下，（预测）的方向信息的中间价。每一个由此产生的战略说明了数值测试。
2012-05-14 q-fin.TR
FLAG-Trader: Fusion LLM-Agent with Gradient-based Reinforcement Learning for Financial Trading
Harvard University（哈佛大学）；Stevens Institute of Technology（史蒂文斯理工学院）；Columbia University（哥伦比亚大学）；University of Minnesota（明尼苏达大学）；NVIDIA（英伟达公司）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；TheFinAI；University of Manchester（曼彻斯特大学）
针对大语言模型在交互式金融交易等多步骤目标导向场景中决策能力不足的问题，提出融合LLM与梯度驱动强化学习的FLAG-Trader框架，以部分微调LLM为策略网络，经交易奖励优化后提升交易及其他金融任务表现。
2025-02-19 cs.AI cs.CE q-fin.TR
Exploring the Impact: How Decentralized Exchange Designs Shape Traders' Behavior on Perpetual Future Contracts
本文分析了CEX与DEX中永续期货合约的交易者行为，将交易所架构分为三种模型，揭示了不同设计对交易量、未平仓量、清算和杠杆的影响，为数字资产市场动态和去中心化金融创新提供了行为金融学见解。
2024-04-25 q-fin.PR q-fin.TR
Learning the dynamics of technical trading strategies
我们使用基于对抗专家的在线学习算法来学习最大化财富交易零成本投资组合策略所需的最佳参数。学习算法用于确定技术交易策略的相对种群动态，这些策略可以经受住历史回溯测试，并从每日和日内约翰内斯堡证券交易所数据上实施的基础交易策略的集合中形成总体聚合的投资组合交易策略。由此产生的人口时间序列进行调查，使用无监督学习降维和可视化。一个关键的贡献是，使用Jarrow et al.（2012）提出的一种新的假设检验，在每日采样和日内时间尺度上对整体汇总的交易策略进行了统计套利测试。（低频）每日抽样策略未能通过成本后套利检验，而（高频）日内抽样策略没有被证伪为成本后统计套利。交易策略的成功，交易成本和滑点的估计被认为是随着一个在线基准投资组合算法的性能比较。此外，通过使用Bailey等人（2016）引入的非参数程序恢复回测过拟合估计的概率来分析算法的泛化误差。这项工作旨在从数据信息的角度探索和更好地理解不同技术交易策略之间的相互作用。
2019-12-24 q-fin.CP q-fin.TR stat.ML
Time Matters: Exploring the Effects of Urgency and Reaction Speed in Automated Traders
我们考虑在模拟金融市场中的自动交易策略的时间问题，包含一个单一的交易所与公共限价订单簿和连续的双重拍卖匹配。特别是，我们探讨了两个影响：（i）反应速度-交易策略计算对市场事件的反应所需的时间;（ii）交易紧迫性-交易策略对临近截止日期的敏感性。许多关于交易代理的文献只关注优化定价策略，而忽略了时间的影响，而现实世界的市场继续经历着零延迟的竞争，因为自动交易系统竞争快速获取信息并在市场上领先于其他系统。我们证明，建模反应速度可以显着改变以前发表的结果，与简单的策略，如SHVR优于更复杂的自适应算法，如AA。我们还表明，为ZIP交易者（ZIP-Pace或ZIPP）添加速度参数可以产生紧迫感，从而显着提高盈利能力。
2021-02-28 cs.CE cs.MA q-fin.CP
Empirical Limitations on High Frequency Trading Profitability
针对金融市场中高频交易实践的持续审查，我们报告了一项广泛的实证研究的结果，估计了最激进的此类实践的最大可能盈利能力，并得出了令人惊讶的适度数字。所谓“激进”，我们指的是任何专门采用市价订单和相对较短的持有期的交易策略。我们的研究结果突出了高频交易者面临的执行成本和交易期限之间的紧张关系，并提供了一个可控的和大规模的实证角度对高频的辩论，迄今为止一直缺席。我们的研究采用了一些新颖的实证方法，包括模拟一个“无所不知”的高频交易者，他可以看到未来并采取相应的行动。
2010-09-14 q-fin.CP q-fin.TR
Communication Strategies for Low-Latency Trading
金融市场中延迟套利的可能性导致了在遥远的金融中心之间部署高速通信链路。这些链路是有噪声的，因此需要编码。在本文中，我们开发了一个博弈论模型的交易行为，两个交易者竞争捕捉延迟套利机会，使用二进制信号。不同的编码方案是在可靠性和延迟之间进行权衡的策略。当一个交易者有更好的渠道时，第二个交易者不应该竞争。对于统计上相同的信道，我们发现存在两种不同的信道噪声机制：存在唯一的纳什均衡，产生联系;存在两个不同赢家的纳什均衡。
2015-04-27 cs.IT math.IT q-fin.TR
Trading with market resistance and concave price impact
LPSM, Université Paris Cité（巴黎西岱大学）；MICS, CentraleSupélec（中央理工-高等电力学院）；DMATH, Université du Luxembourg（卢森堡大学）
本文提出了一种考虑内生市场阻力和凹状价格影响的最优交易模型，并通过数学分析和数值实验验证了最优交易策略的存在性和收敛性。
2026-02-03 q-fin.TR
Rolling intrinsic for battery valuation in day-ahead and intraday markets
本文针对中欧EPEX Spot市场的电池储能系统，采用纳入买卖价差的滚动内在价值法研究竞价策略，发现多市场策略优于单市场，且放宽日循环限制可提升盈利性。
2025-10-29 q-fin.CP q-fin.PR q-fin.TR
Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
近年来，机器学习在许多任务中变得普遍，包括算法交易。股票市场交易者利用机器学习模型来预测市场行为并相应地执行投资策略。然而，机器学习模型已经被证明容易受到称为对抗性示例的输入操作的影响。尽管存在这种风险，但在对抗性学习的背景下，交易领域在很大程度上仍未被探索。在这项研究中，我们提出了一个现实的情况下，攻击者的影响算法交易系统，通过使用对抗性学习技术，操纵输入数据流在实时。攻击者创建了一个对目标模型和使用时间不可知的通用扰动，当添加到输入流时，仍然无法感知。我们评估了我们对真实市场数据流的攻击，并针对三种不同的交易算法。我们表明，当添加到输入流中时，我们的扰动可以在白盒和黑盒设置中在未来看不见的数据点上欺骗交易算法。最后，我们提出了各种缓解方法，并讨论其局限性，这源于算法交易域。我们认为，这些发现应该成为金融界对这一领域威胁的警报，并促进对在交易领域使用自动学习模型相关风险的进一步研究。
2021-09-02 cs.CR cs.LG q-fin.TR
