Multiplicative Stochastic Model of the Time Interval between Trades in Financial Markets
金融市场中的股票价格变化是通过交易发生的，类似于随机物理系统中的扩散。对真实市场价格变化的分析表明，价格波动的长期相关性在很大程度上取决于交易数量。我们引入了交易时间间隔的乘性随机模型，分析了交易次数的谱密度和相关性。该模型再现了真实市场的频谱特性，并解释了交易活动的幂律分布机制。我们的研究提供了一个证据，金融市场的统计性质是封闭的交易之间的时间间隔的统计。乘法随机扩散可以作为这种统计的一致模型。
2002-11-15 cond-mat.stat-mech 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
Single Curve Collapse of the Price Impact Function for the New York Stock Exchange
我们研究在纽约证券交易所执行的单笔交易的平均价格影响。经过适当的平均和重新缩放，1000只资本最高的股票的数据崩溃到一个单一的函数，给出平均价格变动作为交易规模的函数。该函数作为幂增加，对于小体积为1/2的数量级，但是对于大体积则增加得更慢。从1995年到1998年，我们每年都得到类似的结果。我们还发现，小额流动性规模作为一个权力的股票资本化。
2002-07-17 cond-mat.stat-mech q-fin.TR
A Bayesian theory of market impact
针对金融市场大额订单拆分执行的元订单价格冲击规律，提出基于贝叶斯信息整合的最简理论框架，重现三类实证统计规律，揭示平方根冲击定律源于对元订单流的高估，佐证规律的稳健普适性。
2024-05-21 cond-mat.stat-mech q-fin.TR
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
Hawkes model for price and trades high-frequency dynamics
我们引入了一个多变量的霍克斯过程，通过微观结构水平上的市价订单到达的影响来解释市场价格的动态变化。我们的模型是一个点过程，主要特征是4个核分别与贸易到达自激，价格变化的均值回归，贸易到达对价格变化的影响和价格变化对交易活动的反馈。它允许人们解释市场价格微观结构的程式化事实（包括价格变动的随机时间到达、离散价格网格、高频均值回归、各种时间尺度上的相关函数行为）和市场冲击的程式化事实（主要是元订单的市场冲击的凹平方根状/松弛特征形状）。此外，它允许人们从匿名市场数据中估计整个市场冲击概况。我们表明，这些内核可以估计的经验条件平均强度。我们提供了数值例子，应用到实际数据和比较以前的方法。
2013-01-07 physics.data-an q-fin.TR
Detecting the traders' strategies in Minority-Majority games and real stock-prices
价格动态分析的模型，其中包括有效的力量，由于趋势追随者或趋势不利的策略的可能性。该方法在少数-多数模型的数据上进行了测试，它确实能够在给定的时间间隔内重建占主导地位的交易者的策略。然后，我们还分析了真实（纽约证券交易所）的股票价格动态，并且可以得出至少一天的时间间隔的市场“情绪”的指示。
2006-09-05 physics.soc-ph q-fin.TR
Crowded trades, market clustering, and price instability
类似交易同行的拥挤交易影响了资产价格的动态，可能产生系统性风险。我们提出了一个市场聚类措施，使用粒度交易数据。对于每只股票，聚类度量捕获了该股票中任何两个投资者之间的交易重叠程度。我们研究拥挤的交易对股票价格稳定性的影响，并表明市场聚集对股票收益率分布的尾部属性有因果关系，特别是正尾，即使在控制了通常认为的风险驱动因素之后。因此，投资者池多样性的减少可能对股票价格稳定产生负面影响。
2020-02-09 q-fin.RM q-fin.ST q-fin.TR
Market Directional Information Derived From (Time, Execution Price, Shares Traded) Sequence of Transactions. On The Impact From The Future
提出了一种从动态方程“期货价格趋向于单位时间交易股数最大化的价值”的非平稳解中获取市场方向信息的尝试。该方法的一个显着特点是自动时标选择。它是根据对过去事务计算的最大执行流的状态确定的。滞后价格和超前价格都被计算出来。
2022-10-09 cs.NA math.NA q-fin.CP
Market Dynamics: On Directional Information Derived From (Time, Execution Price, Shares Traded) Transaction Sequences
本文提出了一种获取市场方向信息的新方法，它是基于动态方程“期货价格趋向于使单位时间内交易股票数量最大化的值”的非平稳解[1]。在我们以前的工作中[2]，我们确定了股票执行流（$I=dV/dt$）而不是股票交易量（$V$）是市场的驱动力，并且资产价格对执行流$I$（动态影响）比对交易量$V$（常规影响）更敏感。在本文中，实现了一个重要的进步：我们定义的“头皮价格”${\cal P}$的总和，只有那些价格走势是相关的市场动态的相关性的标准是一个高的$I$。因此，${\cal P}$中只包括“跟随市场”（而不是“小反弹”）事件。以这种方式定义的头皮价格的变化表明市场趋势的变化-而不是熊市反弹或牛市抛售;该方法可以进一步扩展到非本地价格变化。软件计算头皮价格给定市场观察三倍（时间，执行价格，交易的股票）可从作者。
2019-05-01 q-fin.CP q-fin.TR
Universal price impact functions of individual trades in an order-driven market
交易规模$ω$直接影响所交易股票的价格形成。对美国和澳大利亚股票市场交易数据的经济物理分析揭示了特定市场的标度律，当股票市值$C$作为标度关系中的参数时，可以在每个市场获得价格影响的主曲线。然而，引入股票资本化在缩放的理由是不清楚的，价格变化$r$和小交易的交易规模$ω$之间的异常负相关性是无法解释的。在这里，我们表明，这些问题可以通过考虑导致交易的订单的积极性以及适当的标准化技术来解决。使用中国市场的订单簿数据，我们表明，从完成和部分完成限价订单的交易有非常不同的价格影响。当交易量不太大时，部分成交订单的交易价格影响是恒定的，而成交订单的交易价格影响表现出幂律行为$r\sim ω^α$与$α\approx2/3$。当收益率和成交量被股票相关的平均值标准化时，两种类型的交易都出现了与资本化无关的标度律。然而，不能构建股票资本化方面的标度关系。此外，还验证了$α=α_ω/α_r$关系，其中$α_ω$和$α_r$是交易规模和收益的尾部指数。这些观察结果也使我们能够解释$r$和$ω$之间的异常负相关的小规模交易。我们预计，在其他订单驱动市场中，这些波动可能会持续。
2008-04-16 physics.soc-ph q-fin.TR
Simple model of a limit order-driven market
我们引入并研究了一个简单的限价指令驱动市场模型。在这个模型中，交易者可以以市场价格进行交易，也可以下限价单，即在价格低于（高于）预定水平时买入（卖出）一定数量股票的指令。这两个选项之间的选择是完全随机的（没有涉及任何策略），限价单的执行价格只是通过抵消最近的市场价格随机数量来确定的。该模型的数值模拟显示，尽管这种最低限度的规则，由该模型产生的价格模式具有这样的现实功能的价格波动分布的“肥”尾，其特征在于两个幂律指数之间的交叉，波动的长程相关性，和一个非平凡的赫斯特指数的价格信号。
1999-10-30 cond-mat.stat-mech q-fin.TR
Statistical properties of market collective responses
我们实证分析了价格和流动性对交易信号、交易量和签约交易量的反应。利用奇异值分解，我们探讨了整个市场的价格反应和流动性反应的相互联系。它们的奇异向量的统计特征可以用$t$位置-尺度分布来描述。此外，我们讨论了价格和流动性之间的关系，就其重叠的因素。当价格和流动性变化的因素与交易量相关时，这些因素是非随机的。这意味着交易量在流动性变化引起的价格变化中起着关键作用。相反，两类因素在与交易标志和签约交易量相关时具有弱重叠性。因此，流动性失衡与价格变化有关。
2017-11-21 q-fin.ST q-fin.TR
Optimal execution and block trade pricing: a general framework
在这篇文章中，我们开发了一个通用的框架来研究最优执行和价格的大宗交易。我们证明了最优清算策略的存在性，并在非常一般的假设下给出了最优策略的正则性结果。我们表现出的最佳策略，可用于数值逼近的哈密顿特性。我们还专注于大宗交易定价的重要主题，我们提出了一种方法来给金融（IL）流动性的价格。特别是，我们提供了一个封闭形式的公式，大宗交易的价格时，没有时间限制清算。
2014-12-29 q-fin.TR
Bellwether Trades: Characteristics of Trades influential in Predicting Future Price Movements in Markets
Cornell University（康奈尔大学）
本文利用非线性机器学习与优化的神经网络预测市场走势，并识别各交易窗口内对价格预测影响最大的单笔交易，揭示交易规模、场所、情境及时间维度上的信息含量差异。
2024-09-08 cs.LG econ.EM 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
A Deep Learning Framework for Predicting Digital Asset Price Movement from Trade-by-trade Data
New York University Leonard N. Stern School of Business（纽约大学斯特恩商学院）
本文提出了一种基于长短期记忆网络（LSTM）的深度学习框架，该框架可以从逐个交易的数据中预测加密货币的价格走势。本研究的主要重点是从回顾期预测固定时间范围内的短期价格变化。通过精心设计特征和详细搜索最佳超参数，该模型经过训练，在近一年的逐交易数据上实现了高性能。最佳模型在样本外测试期间提供稳定的高性能（超过60%的准确度）。在现实的交易模拟环境中，模型做出的预测可以很容易地货币化。此外，这项研究表明，LSTM模型可以从逐个交易的数据中提取通用特征，因为学习的参数在其他未包含在训练数据中的加密货币工具上保持了良好的性能。本研究在数据规模和精度方面均超过现有研究，并取得了较高的预测精度。
2020-10-11 cs.AI cs.LG q-fin.ST
Limit order market analysis and modelling: on an universal cause for over-diffusive prices
我们简要回顾了纳斯达克的一部分Island订单簿的数据分析，它提出了一个所有限价订单市场都应遵守的框架。利用一个简单的排斥粒子模型，我们认为限价指令市场中的短期价格过度扩散是由于指令的发出、取消和执行率的非均衡性造成的，这是真实限价指令市场的一个内在特征。
2002-11-05 cond-mat.dis-nn cond-mat.stat-mech q-fin.TR
How brokers can optimally plot against traders
交易员买卖金融工具以赚取利润，经纪人负责交易。有几种假设和阴谋论认为，在某些情况下，经纪人希望他们的交易员赔钱。例如，经纪人可能希望保护特权客户的头寸。另一个例子是，一些经纪人采取的立场与他们的交易者相反，在这种情况下，他们赚钱时，他们的交易者赔钱。这些都是经纪人可能操纵价格，以最大限度地扩大其交易者的损失的原因。在本文中，我们的目标是最佳地执行这个可疑的任务-或者至少检查这是否真的可以在算法上完成。假设对资产价格的完全控制（忽略金融的常见方面，如市场条件，外部影响或随机性），我们展示了如何在二次时间，给定一组由止损和止盈价格指定的交易，经纪人可以找到最大损失的价格变动。我们还研究了一种在线交易模式，其中经纪人和交易员交换，每个人都试图获利。我们展示了在哪种情况下任何一方都可以获利，交易者的最佳选择是永远不交易。
2022-06-02 q-fin.TR
Price Formation in Field Prediction Markets: the Wisdom in the Crowd
预测市场是一个流行的，突出的，成功的集体智慧平台结构。然而，参与交易者所知的信息被纳入市场价格的确切机制尚不清楚。Kyle（1985）详细描述了一个信息在市场参与者之间不均匀分布的连续拍卖中的价格形成模型。本文展示了一种新的方法，来自凯尔模型应用于现场实验预测市场的数据。该方法能够识别其交易具有价格影响的交易者，该价格影响为市场价格增加了大量信息。总体而言，未被确定为知情的交易者具有与噪音交易一致的价格影响。结果在其他预测市场数据集上重现。最终的结果提供了强有力的证据，有利于凯尔模型在现场市场环境中，并强调了一个未充分讨论的优势，预测市场的替代组预测机制：市场的运营商不需要有信息的分布信息之间的参与交易者。
2022-09-19 q-fin.PR q-fin.TR
The Cost of Misspecifying Price Impact
本文研究价格冲击模型设定错误对投资组合交易的影响，推导出错误设定代价的解析公式，并揭示低估与高估冲击凹性或衰减所导致的非对称盈亏后果。
2023-06-01 q-fin.TR
A Pre-Trade Algorithmic Trading Model under Given Volume Measures and Generic Price Dynamics (GVM-GPD)
我们对均值-方差框架进行了几项改进，通过使用成交量指标和通用价格动态来实现最佳交易前算法执行。成交量测量是执行行业中常用的离散成交量曲线的连续体类比。然后，执行成为这样的测度空间上的绝对连续测度，其Radon-Nikodym导数通常被称为参与量（PoV）函数。这四个影响成本组成部分都始终建立在PoV函数基础上。通过更恰当地表达市场信号，为这些线性影响模型做出了一些新的努力。对于机会成本，我们能够超越传统的布朗型运动。通过直接处理价格动态的自协方差，我们去除了与布朗运动相关的马尔可夫限制，从而允许价格动态中的潜在记忆效应。在组合中，最终的执行模型成为无限维希尔伯特空间中的约束二次规划问题。重要的线性约束，如参与上限都是允许的。利用Hilbert空间中的正紧算子理论，证明了最优解的唯一性和存在性。几个典型的数值例子解释了模型的行为和通用性。
2013-09-26 q-fin.TR
Optimal trade execution and price manipulation in order books with time-varying liquidity
在金融市场中，流动性并非长期不变，而是呈现出强烈的季节性模式。在这篇文章中，我们考虑一个限价订单簿模型，允许时间依赖的，确定性的深度和弹性的书，并确定最佳的组合清算策略。在第一模型变体中，我们提出了当市价订单与订单簿匹配时增加的交易相关价差。在这个模型中，没有价格操纵发生，最优策略是奇异控制问题中经常遇到的等待区-购买区类型。在第二个模型中，我们假设在订单簿中没有价差。在这个假设下，我们发现价格操纵可能发生，这取决于模型参数。即使没有经典的价格操纵，也可能存在交易引发的价格操纵。在特定的情况下，我们可以用封闭的形式陈述最优策略。
2011-09-12 math.OC q-fin.TR
Drift dependence of optimal trade execution strategies under transient price impact
当潜在的市场冲击模型具有指数弹性的线性瞬时价格冲击时，我们给出了一个完整的解决方案，在存在一般漂移的情况下，最小化期望流动性成本的问题。事实证明，这个问题是适定的，只有当漂移是绝对连续的。最优策略通常并不存在，当它们存在时，它们强烈依赖于漂移的导数。我们的方法使用奇异随机控制的元素，即使问题本质上是非马尔可夫的，由于价格影响的瞬时性和缺乏马尔可夫结构的基础价格过程。作为一个推论，我们给出了一个完整的解决方案，在我们的设置中的一定的成本风险标准的最小化。
2013-03-03 math.OC math.PR 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
Market Price of Trading Liquidity Risk and Market Depth
贸易的价格影响是贸易前和贸易后分析的一个重要因素。我们引入了一个分析流动性风险市场价格的框架，该框架允许我们导出一个非齐次伯努利常微分方程。我们得到了两个封闭形式的解，其中一个再现了Kyle（1985）中的订单流的线性函数。然而，当交易者不对称通知，S形函数的订单流得到。我们对日经指数期货进行了一个实证的日内分析，以量化订单流的价格影响，并将我们的结果与行业的启发式价格影响函数进行比较。我们的订单流模型产生了一个丰富的框架，不仅估计流动性风险参数，但也提供了一个合理的原因，为什么波动性和相关性是随机的性质。最后，我们发现市场深度封装了流动性风险的市场价格。
2019-12-10 econ.EM q-fin.CP q-fin.MF
The nature of price returns during periods of high market activity
通过研究从一篮子10种期货资产的订单簿中记录的所有交易和最佳买入/卖出的超高频快照，我们带来了定性的经验证据，即单笔交易的影响取决于交易间的时间滞后。我们发现，当交易速度变得更快，每次交易的回报方差或影响，作为衡量的价格变化的贸易方向，强烈增加。我们提供的证据表明，这些属性持续在粗糙的时间尺度。我们还表明，传播值是一个活动的递增函数。这表明，当交易率高时，订单簿更有可能是空的。
2010-10-27 q-fin.ST q-fin.TR
Price response in correlated financial markets: empirical results
以往关于个股交易对股价反应的研究主要集中在个股上。我们实证研究了一只股票对其他股票交易的价格反应。一只股票对其他股票的影响有多大，反之亦然？交易对股票价格变化的影响似乎是暂时的，而不是永久的。执行不同的平均值，我们区分主动和被动的反应。这两个平均响应显示出不同的特性依赖于时间滞后。被动响应的响应周期较短，波动较大，而主动响应的响应周期较长。我们还研究了给定股票对不同行业和整个市场的反应。此外，我们比较了自我反应与各种交叉反应。交易信号的相关性对于一对股票来说是一个短期记忆过程，但当它在不同的股票对上平均时，它就变成了一个长期记忆过程。
2016-03-16 q-fin.ST q-fin.TR
When large trades are not (automatically) news: liquidity tail risk and price discovery
The London School of Economics and Political Science（伦敦政治经济学院）
本文通过序贯竞争限价订单簿模型，研究流动性需求尾部厚度如何影响大额交易的信息含量、价格冲击形状及价格发现速度。
2026-08-03 q-fin.MF q-fin.TR
Mechanics of good trade execution in the framework of linear temporary market impact
我们定义了良好的交易执行的概念，并在线性暂时市场冲击的框架内构建了明确的适应良好的交易执行策略。良好的交易执行策略是动态的，因为它们会对交易期间交易资产价格路径的实际实现做出反应;这在价格轨迹可能大大偏离其预期价值的波动制度中至关重要。然而，值得注意的是，我们的策略的实施并不需要交易资产价格的完全规范，这使得它们在不同的模型中具有鲁棒性。此外，而不是最小化预期的交易成本，良好的交易执行策略最小化交易成本在路径意义上，一个观点尚未考虑在文献中。这种路径最小化的数学装置取决于某些随机杨微分方程，这些方程对应于经典变分法的欧拉-拉格朗日方程。这些Young微分方程在允许容易实现的初始值问题方面为我们提供了良好的交易执行策略。
2020-07-08 q-fin.TR
CLVR Ordering of Transactions on AMMs
Sigma Prime；Department of Economics, Ben Gurion University of the Negev（内盖夫本-古里安大学经济学系）；Uniswap Labs（Uniswap实验室）；Department of Computer Science, University of California, Santa Barbara（加州大学圣塔芭芭拉分校计算机科学系）；Chainlink Labs（Chainlink实验室）
本文提出一种名为CLVR的交易排序规则，通过最小化区块内价格波动来降低自动做市商去中心化交易所的交易失败率并改善成交价格。
2026-05-28 cs.GT q-fin.MF q-fin.TR
Adaptive Execution: Exploration and Learning of Price Impact
我们考虑一个模型，其中交易者的目标是最大化预期的风险调整后的利润，同时交易一个单一的安全。在我们的模型中，每一个价格变化都是观察到的因素、交易者当前和先前活动的影响以及不可预测的随机效应的线性组合。交易者必须在交易时学习价格影响模型的系数。我们提出了一种新的方法，同时执行和学习-信心触发的正则化自适应确定性等价（CTRACE）的政策-并建立了一个多对数有限时间预期遗憾界。这个界意味着CTRACE是有效的，在这个意义上，（ε，δ）-收敛时间是有界的多项式函数的1/ε和log（1/δ）以高概率。此外，我们通过蒙特卡罗模拟证明CTRACE优于确定性等效策略和最近提出的强化学习算法，该算法旨在有效地探索线性二次控制问题。
2012-07-26 q-fin.TR
Insider Trading with Penalties
我们考虑一个单期Kyle（1985）框架，如果内部人交易，她可能会受到惩罚。当噪声是均匀的时，我们建立了几乎任何罚函数平衡的存在性和唯一性。在均衡中，内部人的需求和价格函数一般都是非线性的，并且由于预期价格函数是线性的，所以在分析上仍然是可处理的。我们使用这个结果来研究价格效率和“公平性”之间的权衡：我们考虑一个监管机构，希望最小化交易后的标准差为一个给定的水平不知情的交易者的损失。最小化是在处罚的函数空间上进行的;对于每种可能的处罚，我们的存在性和唯一性定理允许明确定义均衡中普遍存在的交易后标准差和不知情交易者的损失。最优处罚以封闭形式表征。对于小额订单，它们必须随着内部人订单的大小迅速增加，而对于大额订单，它们必须变得平坦：在基本面以非常高或非常低的价值实现的情况下，内部人发现尽管罚款很高，但交易是最佳的。尽管这种交易（如果发生的话）对流动性交易者来说代价高昂，但它们预示着极端事件，因此将大量信息纳入价格。我们概括了这一结果在两个方向施加预算约束的监管机构，并考虑无论是非金钱或金钱处罚的情况下。在第一种情况下，我们建立了最优惩罚是以前的最优惩罚的子集：均衡交易量和价格的模式是不变的。在第二种情况下，我们还充分表征了约束有效点和处罚，并表明新的模式出现在需求时间表的内幕交易者和相关的价格函数。
2018-09-20 math.OC q-fin.TR
Mean Field Game of Controls and An Application To Trade Crowding
在本文中，我们制定了现在经典的问题，最佳清算（或最佳交易）内的平均场游戏（MFG）。这是一个值得注意的变化，因为通常数学框架在“背景噪音”（或“平均场”）面前关注一个大交易者。在标准框架中，大型交易者和价格之间的相互作用是暂时的和永久的市场冲击，后者影响公共价格。在本文中，交易者也面临公平价格变动的不确定性，但不仅仅是公平价格变动的不确定性。他必须处理其他类似市场参与者产生的价格变化，这也会永久影响价格，并采取战略行动。我们的MFG制定这个问题属于类的“扩展MFG”，因此，我们提供了通用的结果来解决这些“MFG的控制”，解决最优交易的成本函数所产生的一个。我们提供了一个封闭的形式公式的解决方案，并解决的情况下，“异质偏好”（当每个参与者有不同的风险厌恶）。最后但并非最不重要的是，我们给出的条件下，参与者不需要立即知道整个系统的状态，但可以“学习”它日复一日，观察他人的行为。
2017-09-21 math.OC q-fin.TR
A dynamic optimal execution strategy under stochastic price recovery
本文研究了基于限价订单簿动态的价格随机恢复下的最优执行问题。我们通过加速补充订单的到达来模拟执行大订单后的价格恢复，这被定义为一个Cox过程，其强度随着市场冲击的程度而增加。我们不仅包括市价订单，而且还包括限价订单在我们的战略在一个有限制的方式。我们制定的问题作为一个组合的随机控制问题在有限的时间范围内。数值求解了相应的Hamilton-Jacobi-Bellman拟变分不等式。所得到的最优策略由三个部分组成：（i）初始大宗交易;（ii）期间的计划外小额交易;（iii）终端大宗交易。交易的规模和时间由市场冲击的容忍度决定，这取决于每个时间步的状态，因此策略的行为是动态的。我们还提供了竞争力的结果，由于包括限价订单，即使一个限价订单是允许保守的执行价格的评估。
2015-02-16 q-fin.CP q-fin.TR
Universal scaling and nonlinearity of aggregate price impact in financial markets
股票价格如何以及为何变动是一个存在了几个世纪的问题，至今仍没有定论。最近，注意力转移到更高的频率，在那里交易是在不同的时间尺度上分段处理的。在这里，我们发现，价格影响有一个普遍的非线性形状的交易汇总在任何日内规模。它的形状在不同的仪器上变化不大，但对于订单量和符号影响，得到了截然不同的主曲线。标度很大程度上由相关的赫斯特指数决定。我们进一步表明，极端的订单流不平衡是不相关的大回报。相反，当价格被“固定”在一个特定的水平时，它被观察到。只有当本地订单流中有足够的余额时，价格才会变动。事实上，交易改变中间价的概率随着（绝对）订单符号偏差的增加而下降到零，这是一条弧形曲线。我们的研究结果挑战了线性总体影响的普遍假设。它们意味着，所有日内时间尺度上的市场动态都是由流动性供给和获取的相关性和双边适应性所塑造的。
2017-08-09 q-fin.TR
Market Informedness and Market-Maker Profitability: The Trade-Off Between Adverse Selection and Price Discovery
University of Zurich（苏黎世大学）；ETH Zurich（苏黎世联邦理工学院）；Aisot Technologies（艾索特科技）
本文通过多智能体强化学习框架研究市场知情度对做市商盈利能力的影响，发现知情订单流在低知情市场中导致严重逆向选择风险，但整体上市场知情度提高带来的价格发现效应抵消了逆向选择的负面影响，使做市商盈利能力呈上升趋势。
2026-06-18 q-fin.TR
Optimal Trade Execution with Instantaneous Price Impact and Stochastic Resilience
本文研究了具有瞬时和持续价格冲击以及随机弹性的非流动性市场中的最优执行问题，其中只有绝对连续的交易策略是允许的。在我们的模型中的价值函数可以描述为一个三维系统的倒向随机微分方程（Bundle）的奇异终端条件的一个组成部分。我们证明了该系统解的存在唯一性，并利用该系统的唯一解刻画了该系统的价值函数和最优策略。我们的存在性证明是基于一个渐近展开在终端的时间，使我们能够表示系统中的一个等价系统有限的终端值，但奇异的驱动程序。
2017-07-07 math.OC math.PR 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
Parameterised-Response Zero-Intelligence Traders
提出PRZI参数化零智能交易者，用控制变量s塑造报价分布，并通过随机爬山与长期市场仿真揭示交易者策略的非平稳共同演化动态。
2023-04-25 cs.CE cs.GT cs.MA
Trading networks, abnormal motifs and stock manipulation
本文从利用交易细节信息构建的复杂交易网络的角度研究基于交易的股价操纵。股票交易网络由节点和有向链路组成，其中每个交易者都是节点，如果前者向后者出售股票，则从一个交易者到另一个交易者形成链路。具体而言，三个异常的网络图案，这是由少数交易者形成的，这意味着潜在的价格操纵意图进行了研究。我们进一步研究了波动性，交易量，平均交易规模和营业额的动态与异常图案的大，中，小型交易相关的交易。结果发现，这些变量的峰值在异常事件，并表现出幂律积累在事件前的时间段和幂律松弛在事件后的时期。我们还发现，在买方发起的可疑交易后，累积超额收益率显著为正，并表现出温和的价格反转后，卖方发起的可疑交易。这些发现可以更好地理解，有利于价格操纵。我们的工作为利用复杂交易网络的异常图案来检测价格操纵提供了新的思路。
2012-12-31 physics.soc-ph q-fin.ST q-fin.TR
Optimal Execution among $N$ Traders with Transient Price Impact
Columbia University（哥伦比亚大学）
研究N名交易者在暂时性价格影响模型中的最优执行博弈，通过正则化交易速率的即时成本得到唯一均衡解，并解释了块交易的特殊成本作用。
2026-05-15 q-fin.MF q-fin.TR
Price impact equilibrium with transaction costs and TWAP trading
我们证明了一个具有交易成本和价格影响的模型中均衡的存在性，其中两个代理人被激励向一个目标进行交易。两种类型的摩擦-价格影响和交易成本-导致代理人的最优投资方法的两个不同的变化：价格影响导致代理人不断交易量较小，而交易成本导致代理人在交易期结束前停止交易。由于代理人因交易成本而损失财富，交易所获得利润。从交易所的角度证明了严格正的最优交易成本的存在性。
2020-02-19 q-fin.MF q-fin.TR
Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction
投资者试图预测金融资产的收益以进行成功的投资。许多定量分析师使用基于机器学习的方法从大量市场数据中发现未知的有利可图的市场规则。然而，金融市场中存在一些挑战，阻碍了基于机器学习的模型的实际应用。首先，在金融市场中，没有一个单一的模型可以始终如一地做出准确的预测，因为市场中的交易者会迅速适应新的可用信息。相反，有一些短暂的和部分正确的模型称为“阿尔法因素”。其次，由于金融市场具有高度不确定性，确保预测模型的可解释性对于制定可靠的交易策略非常重要。为了克服这些挑战，我们提出了交易员公司的方法，一种新的进化模型，模仿金融机构和属于它的交易员的角色。我们的方法预测未来的股票收益率通过聚合来自多个弱学习者称为交易员的建议。交易者持有一组简单的数学公式，每一个公式都代表一个阿尔法因子的候选者，并且可以为现实世界的投资者解释。聚合算法，称为公司，维护多个交易者。通过随机产生新的交易者并对他们进行再培训，公司可以有效地找到具有财务意义的公式，同时避免过度拟合市场的瞬态。我们通过对真实市场数据进行实验，证明了我们的方法的有效性。
2020-12-18 q-fin.TR stat.ML
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
Self-exciting price impact via negative resilience in stochastic order books
现有的大多数文献中的最佳贸易执行限价订单簿模型假设弹性是积极的。但负弹性也有一种自然的解释，因为它模拟了价格影响的自激行为，即大型投资者的交易活动刺激其他市场参与者朝着同一方向进行交易。在本文中，我们讨论了当我们允许弹性取负值时，对最佳交易执行产生的几个新的定性影响。我们在一个框架中这样做，其中市场深度和弹性都是随机过程。
2022-07-22 math.OC math.PR q-fin.TR
Optimal liquidation under stochastic price impact
我们假设一个连续时间的价格影响模型类似于Almante-Chriss，但增加的假设，价格影响参数是随机过程建模为相关的标量马尔可夫扩散。在这种情况下，我们为希望清算库存但因交易而面临价格影响的交易者制定交易策略。对于一个固定的交易期限，我们执行系数扩展的哈密顿-雅可比-贝尔曼方程与交易者的价值函数。系数展开产生一系列的偏微分方程，我们解决了封闭形式的近似值函数和最佳的清算策略。我们研究了最优清算问题的一些特殊情况，并给出了这些情况下近似清算策略的财务解释。最后，我们提供了数值例子来证明近似的有效性。
2018-04-11 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
Modeling metaorder impact with a Non-Markovian Zero Intelligence model
针对限价订单簿建模难题，提出非马尔可夫零智能模型，通过让限价单方向概率随指数加权中间价收益率变化，复现元订单执行的凹性价格路径与反转，揭示相关机制与参数影响。
2025-03-21 q-fin.TR
Intermittent chaos in a model of financial markets with heterogeneous agents
在本文中，我们研究了一个简单的模型，金融市场的异质代理的价格动态。我们集中讨论活跃交易者总数的增加如何影响资产价格的波动。我们发现，当[活跃交易者]的总数增加时，会观察到一条通往混乱的奇怪路线。特别是，我们发现，{ \it间歇性混沌} [1]的价格波动的交易者的总数增加。
2003-12-25 nlin.CD q-fin.TR
Grasping asymmetric information in market impacts
单笔交易的价格影响是通过事件时间尺度上的即时响应来估计的，即，交易前后中间价的即时变化。我们计算出了相关金融市场的价格影响。我们量化的分布和市场结构的交叉影响的不对称性，并发现整个市场的影响是不对称的和非随机的。利用谱统计和香农熵，我们可视化的价格影响的信息不对称。此外，我们引入了熵的影响，估计股票之间的随机性。我们表明，有用的信息被编码在对应于小熵的影响。交易量大的股票更有可能影响其他股票，而交易量少的股票更有可能受到其他股票的影响。
2019-04-22 q-fin.ST q-fin.TR
Explainable Deep Learning for Price-Trade Dynamics: From Black-Box Forecasts to Effective Parametric Models
Scuola Normale Superiore（比萨高等师范学校）
本研究利用深度神经网络和Shapley可解释性方法，从价格-交易数据中提取非线性依赖结构，并提出一个简约的SHAP启发参数模型，在保持可解释性的同时达到与神经网络相当的预测性能。
2026-09-09 cs.AI physics.data-an q-fin.TR
Optimal execution and speculation with trade signals
提出订单流驱动的价格冲击模型，引入短期信号过程，推导最优执行问题的HJB方程并数值求解，展示信号增强执行与投机策略。
2024-12-17 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
