A fully consistent, minimal model for non-linear market impact
我们提出了一个最小的非线性价格影响理论的基础上的线性（潜在的）订单簿近似，灵感来自扩散反应模型和一般参数。我们的框架允许一个计算平均价格轨迹的元订单的存在下，一贯概括以前提出的传播模型。我们考虑到普遍观察到的平方根影响定律，并预测交易中断或逆转时的非平凡轨迹。我们证明了我们的框架是免费的价格操纵，价格可以扩散（尽管有一个通用的短期均值回复的贡献）。我们的模型表明，价格可以分解为一个短暂的“机械”的影响组件和一个永久的“信息”组件。
2015-03-01 q-fin.TR
Price impact without order book: A study of the OTC credit index market
我们提出了一个研究的价格影响，在场外信用指数市场，没有限价订单簿的使用。合约通过交易商进行交易，交易商为客户的订单而竞争。尽管这种独特的微观结构，我们成功地应用传播技术来估计个别交易的价格影响。由于订单通常比多边市场更少被分割，因此观察到的影响主要是永久性的，与理论预期一致。提出了一种简单的方法来纠正我们在买卖交易分类中的错误。我们发现，在2015年底和2016年初，订单流相关性出现了非常显著的暂时性增长，我们将其归因于投资者之间订单分割或羊群效应的增加。我们还发现，有迹象表明，向较少的经销商发布的订单可能会产生较低的价格影响。定量结果与其他更经典市场的早期发现是一致的，进一步支持价格影响是一种普遍现象，在很大程度上独立于市场微观结构的论点。
2016-09-15 q-fin.TR
Nonlinear price impact from linear models
交易对资产价格的影响是学术界、监管机构和从业者等市场动态的一个关键方面。最近，对于所有日内尺度上的价格影响汇总，观察到了普遍和高度非线性的主曲线[1]。在这里，我们调查如何以及这些曲线，它们的缩放，和潜在的回报动态捕捉线性“传播”模型。我们发现，分类的交易价格变化与非价格变化可以解释价格影响的非线性和短期回报动态到一个非常高的程度。除了订单符号历史之外，变化指示器提供的解释能力随着最小价格变动单位的增加而增加。为了获得这些结果，几个长期存在的模型校准和测试的技术问题得到解决。我们提出了新的谱估计两点和三点互相关，消除了以前使用的近似。我们还展示了校准何时是无偏的，以及如何准确地揭示以前被忽视的偏差。因此，我们的研究结果有助于理解最近的实证结果和流行的一类影响模型的属性显着。
2017-08-08 q-fin.TR
Fredholm Approach to Nonlinear Propagator Models
本文研究了带有 alpha 信号和非线性瞬态价格冲击的最优交易问题，利用变分方法证明最优策略满足非线性随机 Fredholm 方程，提出收敛的迭代格式并验证了其数值实现的有效性。
2025-03-06 math.OC q-fin.MF q-fin.TR
Solving Optimal Execution Problems via In-Context Operator Networks
University of California Los Angeles（加州大学洛杉矶分校）；Heinrich Heine University Düsseldorf（杜伊斯堡-埃森大学）
本文提出ICON-OCnet架构，通过上下文学习解决未知价格影响下的最优订单执行问题，结合预训练与少量示例推断，实现高效策略学习。
2026-02-07 cs.LG math.OC q-fin.CP
Measuring price impact and information content of trades in a time-varying setting
我们提出一种非线性观测驱动的Hasbrouck模型，动态估计交易的市场影响与信息含量，发现其受流动性及近期历史影响，并用于动态交易成本分析。
2023-12-26 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
Do fundamentals shape the price response? A critical assessment of linear impact models
我们比较了静态凯尔模型的预测，一个微观的多步线性价格影响模型，其中市场价格预测基本面通过编码在订单流的信息，与传播模型，一个纯粹的数据驱动的模型，其中贸易机械影响价格与时间衰减的内核。我们发现，值得注意的是，这两个模型预测完全相同的价格动态在高频率，由于在小时间尺度的普遍性的出现。另一方面，我们发现这些模型在影响函数的整体强度上存在分歧，我们能够将其与市场中的过度波动量联系起来。我们揭示了一个交叉之间的高频制度，其中市场的反应次线性的签署订单流，一个低频制度，其中价格线性响应订单流的不平衡。总体而言，我们调和的结果，从文献上的市场微观结构（次线性的价格对交易量的反应）与宏观经济相关的时间尺度（其中通常假设线性关系）。
2021-12-08 cond-mat.stat-mech q-fin.TR
Fluctuations and response in financial markets: the subtle nature of `random' price changes
使用巴黎股票市场的交易和报价数据，我们表明，交易价格的随机游走性质是由两种相反趋势之间非常微妙的相互作用引起的：导致超扩散（或持久性）的长期相关市场订单，以及导致子扩散（或反持久性）的均值回复限价订单。我们定义和研究一个模型的价格，在任何时刻，是所有过去的行业的影响的结果，介导的一个非恒定的“传播”的时间，描述了市场对一个单一的贸易的反应。在这个模型中，市场被证明是，在一个精确的意义上，在一个临界点，价格是纯粹的扩散和平均响应函数几乎恒定。我们发现经验，并从理论上讨论，波动反应关系。我们还讨论了真正知情的市场订单的比例，正确地预测短期走势，并发现它是相当小的。
2003-08-25 cond-mat.stat-mech q-fin.TR
Universal features of price formation in financial markets: perspectives from Deep Learning
使用大规模深度学习方法应用于包含数十亿电子市场报价和美国股票交易的高频数据库，我们发现了存在一个通用的和固定的价格形成机制的非参数证据，该机制将股票的供求动态（通过订单簿显示）与其市场价格的后续变化联系起来。我们通过测试其样本外预测的价格走势的方向给定的历史价格和订单流，在广泛的股票和时间段进行评估的模型。通用的价格形成模型表现出显着稳定的样本外预测精度随时间的推移，从不同行业的广泛的股票。有趣的是，这些结果也适用于不属于训练样本的股票，这表明该模型捕获的关系是普遍的，而不是特定于资产的。在样本外预测准确性方面，根据所有股票的数据进行训练的通用模型优于根据任何给定股票的时间序列进行训练的特定资产线性和非线性模型，这表明价格形成的普遍性有利于汇集来自各种股票的金融数据，而不是像通常那样设计特定资产或特定部门的模型。基于波动性、价格水平或平均价差的标准数据标准化，或将训练数据划分为部门或类别，如大/小股票，不会改善训练结果。另一方面，包括价格和订单流的历史，在许多过去的观察，以提高预测性能，显示在价格动态的路径依赖的证据。
2018-03-19 q-fin.ST q-fin.TR stat.ML
The LOB Recreation Model: Predicting the Limit Order Book from TAQ History Using an Ordinary Differential Equation Recurrent Neural Network
在订单驱动的金融市场中，金融资产的价格是通过发布到公共限价订单簿（LOB）的订单（以特定价格买入或卖出的请求）的交互来发现的。因此，LOB数据对于建模市场动态非常有价值。然而，LOB数据不能自由获取，这对希望利用这些信息的市场参与者和研究人员构成了挑战。幸运的是，交易和报价（TAQ）数据-到达LOB顶部的订单，以及在市场中执行的交易-更容易获得。在本文中，我们提出了LOB重建模型，这是从深度学习的角度首次尝试仅使用TAQ数据重建小股票LOB的前五个价格水平。通过组合来自以下各项的输出来预测位于LOB深处的订单的数量：（1）历史编译器，其使用门控递归单元（GRU）模块来选择性地编译预测相关报价历史;（2）市场事件模拟器，其使用常微分方程递归神经网络（ODE-RNN）来模拟净订单到达的累积;以及（3）自适应地组合由（1）和（2）生成的预测的加权方案。通过迁移学习的范例，可以对在一只股票上训练的源模型进行微调，以使其能够应用于同一类别的其他金融资产，而对额外数据的需求要低得多。在两个真实的日内LOB数据集上进行的综合实验表明，所提出的模型可以有效地重建LOB与高精度仅使用TAQ数据作为输入。
2021-03-02 cs.CE cs.NE q-fin.ST
Toward a Theory of Marginally Efficient Markets
经验证据表明，即使是竞争最激烈的市场也不是严格有效的。价格历史可以用来预测近期的回报率，其概率优于随机机会。许多市场可以被认为是{ \it有利的游戏}，在这个意义上，有一个小的概率优势，聪明的投机者可以利用。我们建议使用条件熵的概念来识别这种概率。一个完美的随机游走使这个熵最大化，偏离最大值代表了价格历史的可预测性。我们建议将市场参与者分为两类：生产者和投机者。前者为价格提供了负熵，后者则以此为基础。我们表明，剩余的负熵永远不会被套利：需要无限的套利资本，使价格成为一个完美的随机游走。
1999-01-22 cond-mat.stat-mech q-fin.TR
Market behavior and performance of different strategy evaluation schemes
战略评估方案是任何基于代理的市场模型中的关键因素，因为它们决定了代理的战略偏好，从而决定了他们的行为模式。本研究探讨代理商所采用的策略评估方案如何结合市场环境影响其绩效。在价格由外生决定的股票市场中，我们观察了三种策略评估方案，即历史依赖的财富博弈、趋势反对的少数人博弈和趋势跟随的多数人博弈的绩效。该价格直接采用真实的股票市场指数，或者用$\le 2$阶的马尔可夫链生成。每个计划的成功是由配备该计划的交易者积累的平均财富来量化的。财富游戏，从历史中学习，显示出相对良好的表现，除非市场高度不可预测。多数博弈在一个由长期持续的价格上涨或下跌主导的时尚市场中是成功的。另一方面，少数人博弈适用于具有持续之字形价格模式的市场。我们还讨论了在策略的评分过程中实施有限记忆的后果。我们的研究结果表明，在何种市场环境下，每一个评估方案是适当的模拟真实的市场交易者的行为。
2010-08-23 physics.soc-ph q-fin.PM q-fin.TR
Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines
在金融历史上，很少有资产像加密货币一样臭名昭著。虽然这一资产类别的长期前景仍不明朗，但我们成功地对几种主要加密资产进行了短期价格预测。使用2015年7月至2019年11月的历史数据，我们开发了大量的技术指标来捕捉加密货币市场的模式。然后，我们测试了各种分类方法，以预测基于这些指标的短期未来价格走势。在PPV和NPV指标上，我们的分类器在识别未来1小时的市场波动方面表现良好。除了评估分类准确性，我们还开发了一种将1小时前的类预测转化为交易决策的策略，以及一个在现实环境中模拟交易的回测器。我们发现，支持向量机产生了最有利可图的交易策略，自2018年1月以来，在过去22个月中，比特币，以太坊和莱特币的平均表现优于市场。
2019-11-28 q-fin.ST q-fin.TR stat.ML
Models for the impact of all order book events
我们提出了一个通用的框架来描述不同的事件在订单簿的影响，概括了以前的工作对市价订单的影响。可以考虑两种不同的建模路线，当仅考虑市价订单时，这两种建模路线是等效的。一个模型假定每种事件类型都有一个临时影响（TIM）。另一方面，“历史相关影响”模型（HDIM）假设只有价格变化事件具有直接影响，其本身通过“影响矩阵”由所有事件的过去历史进行调节，该“影响矩阵”测量给定类型的事件平均对未来相同符号的价格变化事件的直接影响。我们特别发现，积极的市价订单倾向于减少相同符号的进一步积极的市价订单的影响（并增加相反符号的积极的市价订单的影响）。我们讨论了TIM和HDIM的相对优点，特别是关于它们准确再现价格扩散模式的能力。我们发现，尽管理论上的不一致，TIM的表现似乎优于HDIM相比，经验数据。我们归因于这种矛盾的一个不受控制的近似用于校准HDIM，呼吁在这个问题上做进一步的工作。
2011-07-18 q-fin.ST q-fin.TR
Financial market geometry: The tube oscillator
本研究提出基于金融市场几何的管形振荡器用于技术分析，经DAX和EUR/USD实证，搭配固定阈值的交易策略可获月均2%以上正收益，验证了价格的确定性成分与该几何方法的检测能力。
2024-07-10 q-fin.TR
The Subtle Interplay between Square-root Impact, Order Imbalance & Volatility: A Unifying Framework
École polytechnique（巴黎综合理工学院）；LadHyX UMR CNRS 7646（拉迪克斯法国国家科学研究中心联合研究实验室）；Chair of Econophysics and Complex Systems, École polytechnique（巴黎综合理工学院经济物理学与复杂系统讲席）；BNP Paribas Global Markets（法国巴黎银行全球市场部门）；Capital Fund Management（资本基金管理公司）；Académie des Sciences, Paris（巴黎科学院）
本文提出一个统一框架，解释元订单对价格的影响机制，揭示平方根影响、顺序不平衡与波动之间的关系，并支持订单驱动理论而非基本面理论。
2026-03-04 q-fin.ST q-fin.TR
A Nonlinear Super-Exponential Rational Model of Speculative Financial Bubbles
保持经济理论的基本原则，理性预期，我们在股票市场中的代理之间的非线性正反馈建模为非线性和乘性噪声之间的相互作用。推导出的双曲随机有限时间奇异性公式将高斯白噪声转换为一个丰富的时间序列，该序列包含经验价格的所有程式化事实，以及崩溃前加速的投机泡沫。我们使用该公式来反转最近纳斯达克崩盘（2000年4月）和1994年初香港市场因亚洲金融危机而崩盘之前两年的价格历史。这些复杂的价格动态仅使用一个控制爆炸的指数，基础随机游走的方差和均值来捕获。这为投机泡沫和羊群行为提供了一种新的、强有力的检测工具。
2002-04-19 cond-mat.stat-mech q-fin.TR
The price impact of order book events: market orders, limit orders and cancellations
虽然市价订单的长期相关性及其对价格的影响已经在文献中得到了比较好的研究，相应的限价订单和取消的研究是罕见的。我们在这里提供了所有这些不同的事件之间的相互关系，以及它们各自对未来价格变化的影响的实证研究。我们定义并从数据中提取这些事件的“裸”影响，如果它们单独发生的话。对于大型股票，我们表明，一个模型，其中所有事件的裸影响是永久性的和非波动的是在良好的协议与数据。然而，对于小报价股票，裸影响必须包含历史依赖部分，反映订单簿的内部波动。我们表明，这种影响可以准确地描述了一个自回归模型上的过去订单流。该框架允许我们将事件的影响分解为三个部分：瞬时跳跃分量，不同事件的未来速率的修改，以及最佳报价背后的未来差距的修改。我们详细比较了目前的形式主义与临时影响模型，提出了较早的描述市价订单的影响时，其他类型的事件没有观察到。最后，我们扩展模型来描述动态的买卖价差。
2010-09-17 q-fin.ST q-fin.TR
Study on Evolvement Complexity in an Artificial Stock Market
建立了一个基于多智能体的人工股票市场。每个代理人对股票价格的历史有一个有限的记忆，并会根据自己的记忆和交易策略选择一个行动。由于自学习机制的存在，每个代理人的交易策略不断进化。仿真结果表明，与正态过程相比，该模型产生的股票价格波动中大事件频繁发生，价格收益率分布在中心部分为Lévy分布，随后近似为指数截断。另外，通过定义一个变量来度量系统的“演化复杂度”，发现随着个体数量的增加，系统会出现从简单阶段到复杂阶段的阶段转换，这可能是现实生活中纷繁复杂的系统中普遍存在的现象。
2004-12-14 cond-mat.other cond-mat.stat-mech q-fin.TR
Fundamental Framework for Technical Analysis
从过去的时间演变的市场价格的两个基本指标，价格速度和价格加速度方面的表征，我们构建了一个一般的分类的可能模式，表征偏离或缺陷的随机游走市场状态及其时间平移不变的属性。分类依赖于两个无量纲参数，弗劳德数表征相对于速度的加速度的相对强度和训练期的时间范围预测。趋势跟踪和反向模式被发现共存，并依赖于无量纲的时间范围。分类是基于对称性要求的不变性相对于价格单位的变化和功能标度不变性的空间中的价格单位。这种"重正化的“方法本质上是概率性的，并证明了必须考虑同一过去历史的多个竞争性的”双“的观点。实证检验进行约九至三十年的每日回报的12个数据集，包括一些主要指数（道琼斯，标准普尔500，纳斯达克，DAX，富时，日经指数），一些主要债券（日本国债，TYX）和一些主要货币兑美元（英镑，瑞士法郎，德国马克，日元）。我们的“重正化的预测”在基本上所有的市场阶段都表现出统计上显著的预测能力。在实时交易中，趋势跟踪策略和趋势+加速跟踪策略仅在不同的特定市场阶段表现良好。“重新规范化的Bio”方法的价值在于，它总是根据对它们预测的市场轨迹的稳定性的计算，找到两者中最好的。
1999-10-05 cond-mat.stat-mech q-fin.TR
Market Impact Estimation via Causal Foundation Models
National University of Singapore（新加坡国立大学）
该研究针对经典市场冲击估计模型的偏差问题，提出因果市场模拟器（PFN）等模型，在多类金融数据上验证了其因果估计能力，提升了冲击估计的相关性。
2026-10-12 cs.CE cs.LG q-fin.TR
