A singular stochastic control approach for optimal pairs trading with proportional transaction costs
配对交易的最优交易策略已经通过模型进行了研究，这些模型试图通过假设没有交易成本来找到股票的最优份额，或者通过假设有交易成本的股票交易固定数量的最优时机来找到股票的最优份额。为了找到最优策略，使交易时间和股票数量都最优地确定在配对交易过程中，我们使用奇异随机控制的方法研究了一个最优配对交易问题的比例交易成本.假设一对股票的对数价格存在协整关系，我们考虑了一个投资组合优化问题，该问题涉及具有成比例交易成本的动态交易策略。我们证明了控制问题的值函数是一个非线性拟变分不等式的唯一粘性解，它等价于奇异随机控制值函数的自由边界问题.然后，我们开发了一个离散时间动态规划算法来计算的交易区域，并显示离散化方案的收敛性。我们用数值例子说明了我们的方法，并讨论了不同参数对交易区域的影响。我们在一个实证研究中研究了样本外的表现，包括六对美国股票从不同的行业部门选择，并证明了最优策略的效率。
2019-11-24 econ.EM q-fin.TR
No-arbitrage and closure results for trading cones with transaction costs
本文考虑了按比例交易成本的交易。我们给出了A（从零捐赠可获得的索赔锥）闭合的充要条件，并一般地展示了如何以这样的方式表示其闭合，即它是零捐赠可获得的索赔锥，对于不同的交易价格集。新的表示法遵循资产定价基本定理。然后，我们将展示如何表示索赔，并在最后一节中展示任何此类设置如何对应于一致的风险度量。
2008-04-24 math.PR q-fin.TR
Insider Trading with Temporary Price Impact
我们建立了一个知情的代理人的模型，该代理人具有关于资产未来价值的信息，当受到交易成本的影响时，该代理人试图使利润最大化，并且该代理人的任务是设定公平的交易价格。在单一拍卖模型中，均衡的特征在于一个特定多项式的唯一根。这个多项式的分析与风险规避和交易成本的小水平揭示了一个无量纲的参数，捕捉几个订单的渐近精度的均衡行为。在一个连续时间模拟的单一拍卖模型，纳入交易成本允许知情代理的最佳交易策略，以获得反馈的形式。线性平衡的特征在于两个常微分方程组的唯一解，其中一个是向前的，另一个是向后的。当存在交易成本时，均衡状态下做市商设定的价格并没有充分反映知情代理人的私人信号，在交易区间结束时存在信息缺口。当考虑交易成本为零时，均衡交易策略和定价规则收敛于无摩擦的对应规则。
2020-07-28 q-fin.TR
Does Security Transaction Volume-Price Behavior Resemble a Probability Wave?
基于股票市场中交易量对交易量和价格波动性的约束作用，本文研究了在交易量给定的情况下，交易量与价格之间的关系。研究发现，无论实际价格波动路径、时间序列和时间区间内的总成交量如何，随着交易时间的延长，累计成交量在一定交易价格区间内的价格均值附近逐渐出现一个峰度。为了解释量价行为，我们从物理学的角度提出了交易能量假设，推导了与时间无关的交易量价概率波动方程，得到了交易价格区间上的两组解析量分布特征函数。通过实证检验，我们证明了股票市场中一致性的存在，并证明了模型在这一早期阶段的有效性。量价关系表现得像概率波。
2010-01-06 q-fin.ST q-fin.TR
Optimal bidding in hourly and quarter-hourly electricity price auctions: trading large volumes of power with market impact and transaction costs
University of Duisburg-Essen（杜伊斯堡-埃森大学）
本文研究了在小时和季度电力拍卖中如何通过最小化价格影响而非最大化套利来提高利润。
2022-02-09 q-fin.MF q-fin.PM q-fin.ST
Online Trading Models with Deep Reinforcement Learning in the Forex Market Considering Transaction Costs
Tokyo Institute of Technology（东京工业大学）
近年来，使用人工智能创建了各种投资模型。人工智能自动交易可以扩大交易方式的范围，例如通过赋予24小时运营的能力和高频率交易的能力。如果能够充分考虑过去的数据，自动交易也可以预期使用比人类可用的更多的信息进行交易。在本文中，我们提出了一种基于深度强化学习模型的投资代理，这是一种人工智能模型。该模型考虑了实际交易中涉及的交易成本，并为长期交易建立了一个框架，以便在单笔交易中获得大量利润。这样做，它可以在保持低交易成本的同时实现利润最大化。此外，考虑到实际操作，我们使用在线学习，使系统可以通过不断更新最新的在线数据来持续学习，而不是使用静态数据进行学习。这使得在非平稳的金融市场中进行交易成为可能，因为它总是包含当前的市场趋势信息。
2021-12-16 cs.AI cs.LG q-fin.TR
Trading activity and price impact in parallel markets: SETS vs. off-book market at the London Stock Exchange
我们实证研究的交易活动，在电子上的书部分，并在经销商的非书部分的伦敦证券交易所，分别调查交易活跃的市场成员和其他市场参与者的非会员。我们发现：（1）表外交易的交易量分布比表内交易的交易量分布有一个明显的厚尾，（ii）会员及非会员的组别可按其交易概况分类。（iii）市场会员因帐上市场交易而产生的每日存货变动，与因帐外市场交易而产生的存货变动，两者之间有密切的相关关系。与非会员的账面市场交易，和（iv）的自相关性的符号的订单的非会员在帐外市场正在慢慢衰减。我们还分析了随着时间的推移，无论是积极的和消极的滞后，电子交易和帐外交易的账面价格的影响函数。电子交易和帐外交易的无条件影响曲线非常不同。此外，电子交易的影响对交易量的依赖性较小，而非电子交易的影响函数的形状和大小强烈依赖于交易量。
2011-02-03 q-fin.TR
Mean Reversion Trading with Sequential Deadlines and Transaction Costs
研究了具有有限进入和有限退出期限的均值回复价格过程的最优交易时机策略。价格过程是由一个仿射漂移的扩散模型来模拟的，该模型包含了许多著名的模型，包括Ornstein-Uhlenbeck（Ornstein-Uhlenbeck）模型、Cox-Ingersoll-Ross（CIR）模型、Jacobi模型和非齐次几何布朗运动（IGBM）模型。（长开短闭）策略;（ii）短多（短开，长闭）策略，及（iii）多仓策略，让交易者可更灵活地进入市场，买入或做空，然后平仓。对于每一种策略，我们解决了一个最优的双停止问题与连续的最后期限，并确定最佳的交易时机。我们的解决方案方法利用当地的时空演算Peskir（2005），以获得非线性积分方程的Volterra型，唯一的特征交易边界。积分方程的数值实现提供了最佳交易边界的例子。
2018-01-06 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
Statistical Arbitrage and Optimal Trading with Transaction Costs in Futures Markets
考虑了布朗市场模型和终端财富的期望效用最大化问题。具体而言，我们研究了在存在交易成本的情况下，基金/代理人投资期货市场的终端财富效用最大化问题。我们提供了一些初步的评论统计套利策略，我们设置的框架，期货市场，并介绍了概念，如保证金，杠杆和滑点。设定为离散时间，期货价格的价格演化被建模为包含伊藤和的离散随机序列。我们假设驱动收益过程的漂移和布朗运动是不可观测的，交易成本由买卖价差表示。我们提供了明确的解决方案，最优投资组合的过程中，我们提供了一个例子，使用对数效用。
2008-01-22 math.OC math.PR q-fin.TR
Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting
Quantitative Finance Research Group, Faculty of Economic Sciences, University of Warsaw（经济科学学院量化金融研究组，华沙大学）；Quantitative Finance Research Group, Department of Quantitative Finance and Machine Learning, Faculty of Economic Sciences, University of Warsaw（经济科学学院量化金融与机器学习系量化金融研究组，华沙大学）
研究在交易成本下，利用XGBoost、LSTM和iTransformer等机器学习模型预测BTC-USDT小时收益率，并通过成本感知执行过滤器将预测转化为盈利交易策略。
2026-05-19 cs.CE cs.LG q-fin.TR
Price impact asymmetry of institutional trading in Chinese stock market
对2003年中国股票市场32只流通股的机构买卖行为进行了非对称性价格影响研究。我们分析了价格的影响，在起草和下跌趋势与连续的积极和消极的每日价格变化，并测试价格影响的不对称性对市场条件的依赖。对于大多数股票来说，机构卖出对价格的影响大于机构买入，而机构买入对价格的影响只存在于少数以上涨为主的股票中。本文进一步研究了机构投资者交易前后的平均收益率，发现机构投资者在机构投资者交易前后也存在非对称行为。提出了一个新的变量来研究订单簿结构，它可以部分解释机构交易的价格影响。对机构交易价格影响的线性回归进一步证实了我们的发现，即在2003年的熊市中，机构销售主要比机构购买对价格产生更大的影响。
2011-10-14 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
Detecting unusual trading patterns on cryptocurrency exchanges by means of complexity measures
Cracow University of Technology（克拉科夫理工大学）；Institute of Nuclear Physics, Polish Academy of Sciences（波兰科学院核物理研究所）
该研究针对加密货币交易所人工交易致市场操纵问题，基于高频交易数据的复杂性和统计结构度量，提出诊断框架，应用于多种加密货币，发现2025年5月中旬后Bitget上比特币和以太坊有异常，基于复杂性指标能检测隐藏交易异常。
2026-07-16 cs.CE econ.EM physics.data-an
Bitcoin Average Dormancy: A Measure of Turnover and Trading Activity
试图准确测量交易中使用的比特币的货币流通速度或相关属性的尝试通常试图直接应用传统宏观经济理论的定义，或者使用与区块链属性相关的专门指标，如比特币日销毁。在本文中，除了作为一个有用的指标之外，比特币被销毁的天数还具有数学特性，可以让你计算在给定时间段内交易中使用的比特币的平均休眠时间（自上次交易以来的时间）。此外，比特币被销毁的天数被证明具有另一个意想不到的意义，因为根据利特尔定律，比特币交易池的平均规模，尽管只有在有限的条件下。
2018-02-08 q-fin.ST q-fin.TR
The Impact of Execution Delay on Kelly-Based Stock Trading: High-Frequency Versus Buy and Hold
基于凯利著名的期望对数增长（ELG）准则的股票交易，是一个著名的最优资源配置的处方，在文献中受到了相当大的关注。使用ELG作为绩效指标，我们比较了交易执行延迟对高频交易与买入和持有的相对绩效的影响。虽然直觉上很明显，也很直接地证明，在交易成本足够高的情况下，买入并持有是更好的策略，但在没有交易成本的情况下，买入并持有是否仍然是更好的策略？当交易执行没有延迟时，我们证明了一个定理，答案是否定的。然而，当交易执行中存在延迟时，我们使用二进制格子股票模型来展示模拟结果，以表明答案可以是“是”。无论是否强制实行自筹资金，这都是正确的。
2019-07-20 math.OC q-fin.MF q-fin.TR
A Security Price Volatile Trading Conditioning Model
基于交易量-价格概率波分布，利用交易量概率描述价格波动的不确定性和强度，建立了一个基于市场心理行为的价格波动和收益信息的交易条件理论模型。运用该模型对中国股票市场的高频数据进行检验，发现：1）总体上看，平均收益率与交易条件强度变化率之间存在显著的正相关关系：2）尽管在泡沫破灭前和泡沫破灭后两个时间段内均存在正相关关系，但不具有显著性; 3）在牛市中上证综指上涨的时段内，特别是在上涨的时段内，两者之间呈现显著的负相关关系。我们的模型和研究结果可以同时检验处置效应和羊群行为，并解释股票市场中的过度交易（量）和其他异常现象。
2010-02-09 q-fin.GN q-fin.TR
Realtime market microstructure analysis: online Transaction Cost Analysis
出于实际的挑战，在监控大量的算法交易订单的性能，本文提供了一种方法，导致自动发现的原因，背后的交易表现不佳。它还为实时交易分析的通用框架提供了理论基础。学术文献提供了不同的方式来形式化这些算法，并显示如何从均值方差，随机控制，脉冲控制或统计学习的观点，他们可以是最佳的。本文是不可知的算法已经建成的方式，并提供了一个理论形式主义，以确定在实时的市场条件，影响其效率或效率低下。对于一组给定的特征描述的市场背景下，由从业者选择，我们首先展示了如何一组额外的派生的解释性因素，称为异常检测器，可以创建每个市价订单。然后，我们将提出一种在线方法来量化这个扩展的因素集，在任何给定的时间，预测哪些订单表现不佳，同时计算这个解释性因素集的预测能力。有了这些信息，我们称之为影响力分析，我们打算授权订单监控用户对任何受影响的订单采取适当的行动，通过新的参数重新校准交易算法，暂停其执行或接管更直接的交易控制。我们也打算使用这种方法在交易后的分析算法可以利用自动调整自己的交易行为。
2013-03-01 cs.IT math.IT math.ST
A Random Forest approach to detect and identify Unlawful Insider Trading
Department of Computational and Data Sciences（计算与数据科学系）；George Mason University（乔治·梅森大学）；Department of Mathematical Sciences（数学科学系）
本文提出结合PCA与随机森林的端到端方法，利用高维交易数据识别非法内幕交易，最高分类准确率达96.43%，并发现所有权与治理特征最为关键。
2024-11-09 cs.LG q-fin.CP q-fin.RM
Calibration of optimal execution of financial transactions in the presence of transient market impact
在订单驱动市场中交易大量金融资产需要使用算法执行来划分许多交易中的交易量，以最大限度地减少因市场冲击而产生的成本。最优执行策略的正确设计在很大程度上取决于对市场冲击的仔细建模，即价格对交易的反应。在本文中，我们考虑了最近引入的市场冲击模型（Bouchaud等人，2004），其具有描述由于交易引起的价格变化的量和时间依赖性的性质。我们展示了这个模型如何可以用来描述价格的影响，也在总交易时间或实时。然后，我们解决了分析和校准与真实数据的最优执行问题的风险中性和风险厌恶的投资者，我们得到了一个有效的边界的最优执行。当我们包括传播成本的问题必须解决数字，我们表明，这种成本的引入正规化的解决方案。
2012-06-04 q-fin.ST q-fin.TR
Statistical arbitrage in multi-pair trading strategy based on graph clustering algorithms in US equities market
本文提出基于图聚类算法的美股多配对统计套利框架，融合凯利准则与机器学习分类器集成，优化日频止盈止损函数，在现实交易成本下取得优于基准的风险调整收益。
2024-06-15 q-fin.PM q-fin.TR stat.ML
Bayesian Trading Cost Analysis and Ranking of Broker Algorithms
我们提出了一个公式的交易成本分析（TCA）的贝叶斯框架的主要目的是比较经纪人算法使用标准化的基准。我们的公式允许有效的计算预期值的交易基准只有一个有限的样本的数据相关的实际应用。我们讨论了执行短缺分布的性质，数量加权价，参与加权价格和短期回归基准。我们的模型考虑了厚尾，偏度的分布和异方差的基准。所提出的框架允许使用分层模型，从一个大的聚合样本的观察到一个较小的样本的特定算法的近似知识转移。
2019-04-22 q-fin.TR
High-Frequency Trading Synchronizes Prices in Financial Markets
高速计算机化交易，通常称为“高频交易“（HFT），在过去十年中在金融市场中急剧增加。在美国和欧洲，它现在占所有贸易的近一半。虽然有证据表明高频交易有助于提高市场效率，但有人担心它也会增加市场的不稳定性，特别是在压力时期。目前，尚不清楚HFT如何或为什么产生这些结果。在本文中，我使用纳斯达克的数据来表明高频交易会同步金融市场的价格，使相关证券的价值同时变化。通过一个模型，我展示了价格同步如何提高效率：价格更准确，交易成本降低。然而，在压力时期，如果没有保障措施，局部错误很快就会在金融体系中蔓延。此外，高频交易有可能强化证券之间的不正确关系，使价格的相关性超过（或低于）基本经济要素的保证。这项研究突出了高频交易在市场中扮演的重要角色，并有助于回答几个以前似乎难以解释的令人困惑的问题：为什么高频交易如此普遍，为什么高频交易集中在某些证券上，而在很大程度上忽略了其他证券，最后，高频交易如何降低交易成本，同时仍然盈利。
2012-11-08 q-fin.GN q-fin.TR
Simple Bounds for Utility Maximization with Small Transaction Costs
利用初等方法，我们给出了在有比例交易成本的市场中，无摩擦财富过程近似的$\mathbf{L}_p$ -误差界。对于有界风险厌恶的公用事业，这些估计产生的摩擦值函数的下限，这铺平了道路，其渐近分析使用稳定性结果的粘性解决方案。使用Malliavin演算的工具，我们还得到了无摩擦最优交易策略的正则性的简单充分条件，这是小交易成本的渐近分析的第二个主要成分。
2021-03-22 math.OC q-fin.PM q-fin.TR
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
Conditional Value-at-Risk for Quantitative Trading: A Direct Reinforcement Learning Approach
我们提出了一个凸公式的交易系统的条件风险价值作为风险调整后的性能指标的概念下，直接强化学习。由于凸性，所提出的方法可以以“纯”在线方式发现利润丰厚的交易策略，在这种方式下，它可以交互式地学习和更新策略，而无需多个时期的训练和验证。我们评估我们提出的算法在一个真正的金融市场，它交易的美国最大的信托基金之一，SPDR，为三年。数值实验表明，该算法在检测中心市场状态转换时具有较好的鲁棒性。此外，结果表明，该算法的有效性，提取有利可图的政策，同时满足投资者的风险偏好下，一个保守的摩擦市场的交易成本为0.15%的交易。
2021-09-29 q-fin.TR
Effective Trade Execution
本文探讨了算法交易在现代金融市场中的作用。此外，在高频交易技术的大发展所提供的镜头下，描述了算法交易的订单类型、特征和特殊功能。特殊的订单类型一起检查与一个直观的描述隐含的动态的订单簿条件，以特殊的订单（冰山和隐藏）。本章分析了与交易活动相关的交易成本，并研究了市场上最常见的交易策略。同时，本文还通过对有效交易边界的描述，研究了最优执行策略。这些概念代表了理解金融市场最新创新和微观结构研究最新进展所需的工具。
2012-06-22 q-fin.PM q-fin.TR
Trading Strategy with Stochastic Volatility in a Limit Order Book Market
本文利用Heston随机波动率模型来描述股票的波动性，并应用该模型推导和分析了证券市场中交易商的最优交易策略。我们也将我们的研究扩展到股票期权在存在随机波动率的情况下的做市。在数学上，该问题被表述为一个随机最优控制问题，受控状态过程是经销商的市值财富。证券市场上的交易商可以最佳地确定他们对标的股票或期权的报价。他们的目标是最大限度地提高交易的预期利润，惩罚与累积库存成本的方差成正比。
2016-02-01 q-fin.TR
Simulating the Synchronizing Behavior of High-Frequency Trading in Multiple Markets
金融市场上近一半的交易是由高速、自主的计算机程序执行的，这种交易通常被称为高频交易（HFT）。虽然有证据表明高频交易提高了市场效率，但尚不清楚它是如何或为什么产生这种结果的。在这里，我们创建了一个简单的模型来研究高频交易对在不同市场交易类似证券的投资者的影响。我们表明，高频交易可以通过允许更多的交易发生，而不会对定价或波动性产生不利影响，从而提高流动性。在该模型中，高频交易使证券的价格波动，这使得买卖双方能够在市场上找到彼此，并增加了竞争订单被满足的可能性。
2013-11-17 q-fin.GN q-fin.TR
A quantitative model of trading and price formation in financial markets
我们使用标准的物理技术模型的交易和价格形成的市场下，订单到达和取消是泊松随机过程的假设。该模型对市场的最基本属性进行了可检验的预测，例如价格的扩散率，这是金融风险的标准衡量标准，以及价差和价格影响函数，这是交易成本的主要决定因素。在量纲分析、模拟和平均场论的指导下，我们发现了阶流率的标度关系。我们表明，即使在完全随机的顺序流的需要，以存储供应和需求，以促进交易诱导异常扩散和时间结构的价格。
2002-12-10 cond-mat.stat-mech q-fin.TR
Trading with Small Price Impact
投资者交易一种安全资产和几种具有线性价格影响的风险资产，以最大化终端财富的期望效用。在小的影响成本的限制，我们明确地确定最优的政策和福利，在一般的马尔可夫设置允许随机市场，成本和偏好参数。这些结果揭示了问题的一般结构，也揭示了与最优执行问题和其他市场摩擦（如比例和固定交易成本）的密切联系。
2015-03-30 math.AP math.OC q-fin.PM
Don't Let MEV Slip: The Costs of Swapping on the Uniswap Protocol
该研究针对Uniswap的两个资金池，拆解滑点构成并提出无需报价与内存池数据的重排序滑点测算方法，揭示不同规模、不同币种交易的成本结构差异，验证了DEX作为中心化交易所可信替代方案的潜力。
2024-04-17 cs.CR q-fin.TR
Are trading invariants really invariant? Trading costs matter
我们通过实证研究ANcerno提供的一个大型投注数据集或元订单，重新审视了Kyle和Obizhaeva最近提出的交易不变性假设。该假设预测数量$I:=\ri/N^{3/2}$是不变的，其中$\ri$是交换风险（波动率$\times$体积$\times$价格），$N$是赌注的数量。我们发现，$3/2$缩放之间的$\ri$和$N$工作良好，是强大的对变化的一年，市值和经济部门。然而，我们的分析清楚地表明，$I$不是不变的。我们发现，$I$和总交易成本（价差和市场冲击）之间存在非常高的相关性$R^2>0.8$。我们提出了新的不变量定义为一个比率的$I$和成本，并找到一个大的方差减少。我们发现，新的不变量的小的分散性主要是由（i）扩展与每笔交易的波动率，（ii）元订单大小的分布和跨股票的投注量和数量分数的近不变性。
2019-02-09 cond-mat.stat-mech q-fin.TR
