Detecting intraday financial market states using temporal clustering
我们提出了一个高速的最大似然聚类算法来检测时间金融市场状态的应用，使用相关矩阵估计从日内市场微观结构功能。我们首先确定事前日内的时间集群配置，以确定市场状态，然后研究所确定的时间状态特征，以提取状态签名向量，使在线状态检测。状态特征向量用作低维状态描述符，其可用于高频交易域中的最优规划的学习算法中。我们提出了一个可行的方案，实时日内状态检测流媒体市场数据饲料。这项研究确定了一个有趣的层次结构的系统行为，激励需要特定的时间尺度的状态空间减少参与代理。
2017-02-24 q-fin.CP q-fin.TR
Temporal mixture ensemble models for intraday volume forecasting in cryptocurrency exchange markets
我们研究了加密货币交易市场的日内短期交易量预测问题。这些预测是通过使用交易发生的不同市场的交易和订单簿数据来建立的。方法上，我们提出了一个时间混合集成，能够自适应地利用，预测，不同的数据来源，并提供一个体积点估计，以及它的不确定性。我们通过将其结果与使用不同时间序列和机器学习方法获得的结果进行比较，提供了我们模型表现出色的证据。最后，我们讨论了有条件的预测量，我们发现，在这种情况下，机器学习方法优于计量经济模型。
2020-12-02 q-fin.TR
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
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
Rolling intrinsic for battery valuation in day-ahead and intraday markets
Fraunhofer SCAI（弗劳恩霍夫 SCAI）；RIVACON GmbH（RIVACON 有限公司）
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
Joint Bidding on Intraday and Frequency Containment Reserve Markets
The Hong Kong Polytechnic University（香港理工大学）；Technical University of Munich（慕尼黑技术大学）；Entrix GmbH；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本文提出BESS联合参与一次频率备用与连续日内市场的报价策略，结合rolling intrinsic优化和LCS容量分配，德国一年多数据回测显示利润显著提升。
2025-10-03 cs.LG q-fin.CP q-fin.TR
Modelling Regime Shifts in Continuous Intraday Electricity Markets with State-dependent Hawkes Processes
Wageningen University（瓦赫宁根大学）；European Organization for Nuclear Research (CERN)（欧洲核子研究组织（CERN））；Maastricht University（马斯特里赫特大学）
本文提出状态依赖的霍克斯过程，利用流动性压力指数识别市场状态，对欧洲日内电力市场订单流建模，发现订单流自激且近临界，流动性压力增强交易自激，三状态优于两状态。
2026-10-07 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
Battery valuation on electricity intraday markets with liquidity costs
本文提出一个完整的建模框架，结合中间价随机模型与流动性成本确定性模型，基于动态规划对电力日内市场中的多个电池进行估值，回测证明考虑流动性与随机中间价能显著提升利润并避免高额损失。
2024-12-20 q-fin.ST q-fin.TR
Strikingly Suspicious Overnight and Intraday Returns
全球股票市场显示出一种令人震惊的可疑模式，即隔夜和日内回报。在过去几十年中，主要股票市场指数的隔夜回报率一直非常高，而日内回报率则为负，令人不安。这些异常一致的回报模式的原因尚不清楚。我们强调这些特殊模式的特征，这些特征阻碍了任何看似无害的解释的构建。然后，我们使用这些相同的特征来推导出迄今为止对这些惊人的可疑回报的唯一合理解释。
2020-10-05 econ.GN q-fin.EC q-fin.GN
A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding
University of Liège（列日大学）；ENGIE（昂吉集团）
可变能源的大规模整合预计将使大部分能源交换更接近实时，从而提供更准确的预测。在这种情况下，短期电力市场，特别是日内市场被认为是这些交易所的合适交易场所。成功整合可再生能源的一个关键组成部分是使用储能。在本文中，我们提出了一个新的建模框架，能源存储的战略参与欧洲连续的日内交易市场，通过集中的订单簿发生的交流。存储设备运营商的目标是在整个交易范围内获得最大利润，同时考虑单元的操作约束。将日内市场交易的序贯决策问题建模为马尔可夫决策过程。异步分布式版本的拟合Q迭代算法被选择用于解决这个问题，由于其样本效率。订单簿中现有订单的数量大且可变，这促使使用高级操作和替代状态表示。历史数据用于生成大量的人工轨迹，以解决学习过程中的探索问题。由此产生的政策进行回测，并与基准战略，这是目前的行业标准进行比较。结果表明，代理收敛到一个政策，实现平均更高的总收入比基准策略。
2020-04-13 cs.AI cs.LG 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
Intraday order transition dynamics in high, medium, and low market cap stocks: A Markov chain approach
本研究以纳斯达克100指数成分股为对象，用一阶马尔可夫链模型分析不同市值股票的日内订单转换动态，揭示开盘/收盘时段的订单惯性及调整差异，为市场参与者的订单提交决策提供依据。
2025-02-11 q-fin.ST q-fin.TR
Conformal Prediction Interval Estimations with an Application to Day-Ahead and Intraday Power Markets
本文讨论了共形预测的概念。虽然它最初源于机器学习领域，但从未在短期电价预测的背景下应用或分析。因此，我们详细阐述了共形预测值得了解的方面，并解释了为什么它简单而高效的想法在其他应用领域也有效，以及为什么它的特性在短期电力应用中也很有前途。我们比较了它的性能与不同的国家的最先进的电价预测模型，如分位数回归平均（QRA）在一个经验的样本外研究的三个短期电力时间序列。我们将共形预测与各种基础点预测模型相结合，以展示其在不断变化的条件下的多功能性和行为。我们的研究结果表明，共形预测在短期电力市场中产生尖锐和可靠的预测区间。我们进一步检查每个共形预测模型组件的效果，并提供如何为每个市场找到最佳CP模型的基于路径的指南。
2020-09-17 econ.EM q-fin.PM q-fin.TR
Electricity intraday price modeling with marked Hawkes processes
我们考虑了一个2维的标记霍克斯过程，增加基线强度，以模拟电力日内市场的价格。该模型允许通过特征图表示不同的经验事实，例如增加的市场活动，随机跳跃大小，但最重要的是微观结构噪声。这最后一个特征对于从业者来说特别重要，并且还没有针对这些特定市场进行建模。我们提供了一阶和二阶矩以及签名图的解析公式，扩展了Bacry et al.（2013）在具有随机跳跃大小和时间依赖基线强度的Hawkes过程的背景下的经典结果。我们提出的易于处理的模型估计德国的数据，似乎适合的数据。我们还提供了一个关于价格过程收敛到布朗运动的结果，在宏观尺度上的波动性增加，突出萨缪尔森效应。
2021-03-16 math.PR q-fin.ST q-fin.TR
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
Margin setting with high-frequency data1
在实践和学术文献中，期货市场设定保证金要求的模型通常使用每日收盘价的变化。然而，正如对高频数据的研究充分证明的那样，近期金融市场表现出较高的日内波动性，这可能带来比预期更多的风险。本文试图回答保证金委员会在实践中的两个相关问题：基于收盘价计算保证金水平而忽略日内动态是否正确？实施即日追加保证金是否合理？本文重点研究了日内市场价格动态对每日保证金水平的影响。每日保证金水平以两种方式获得：第一，通过使用不同时间间隔定义的每日价格变化（例如从下午3点到下一个交易日的下午3点，而不是传统的收盘时间）;第二，通过使用5分钟和1小时的价格变化，并将结果缩放到一天。我们的实证分析使用了伦敦金融期货交易所的富时100指数期货合约。
2011-03-28 q-fin.RM 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
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
Minimizing the expected market time to reach a certain wealth level
在一个金融市场模型中，我们考虑了最小化向上跨越某一财富水平的期望时间问题的变化形式。对于指数Levy市场，我们证明了上述问题的增长最优投资组合的渐近最优性，并得到了任何财富水平下价值函数的紧界。在Ito市场中，我们采用市场时间的概念，这是一个根据潜在市场增长运行的时钟。我们证明了增长最优投资组合的最优性，以最小化达到任何财富水平的预期市场时间。这揭示了市场时间的一般定义，从投资者的角度来看可能是有用的。我们利用这最后一个定义推广了以前的结果在一般的半鞅设置。
2009-04-13 q-fin.PM q-fin.TR
Deep reinforcement learning with positional context for intraday trading
针对日内交易DRL忽略持仓位置上下文的问题，提出在稀疏状态空间中引入持仓位置特征的新模型，并在近十年多类资产上验证其盈利与风险调整收益优势。
2024-06-12 q-fin.TR
Velocity- and Regime-Aware Detection of Intraday Options Market Manipulation, with Explainable Attribution
University of Georgia（佐治亚大学）
该研究提出感知速度与 regime 的日内期权市场操纵检测方法，结合 SHAP 归因，在印度期权和美国股票数据上实现高召回率与 AUC，揭示跨市场迁移的动态操纵特征。
2026-08-07 cs.LG q-fin.ST 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
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
Can Agent-Based Models Probe Market Microstructure?
我们扩展先前的证据表明，天真地使用日内代理为基础的模型，涉及现实的订单匹配过程建模连续时间双向拍卖市场似乎无法提供一个强大的数据和许多模型参数之间的联系，即使这些模型能够重现一些著名的程式化的事实回报时间序列。我们证明，虽然植根于市场微观结构的日内代理模型的参数可以有意义地校准，那些专门与代理行为和激励仍然存在问题。这可能只是一个失败的校准技术，但我们认为，所观察到的参数退化是最有可能的结果，在这些模型中采用的现实匹配过程。这表明，其他方法来连接数据，现象学和市场结构可能是必要的，这是可以想象的，一个可以构建一个有用的模型，不直接依赖于代理行为的细微差别，即使它是已知的，真正的代理人从事复杂的行为。
2017-08-31 q-fin.CP q-fin.TR
A Score-Driven Conditional Correlation Model for Noisy and Asynchronous Data: an Application to High-Frequency Covariance Dynamics
由于非同步交易和市场微观结构噪声的存在，高频收益之间相关性的日内动态分析具有挑战性。这两种影响可能会导致显着的数据减少，并可能严重低估的相关性，如果采用传统的方法为低频数据。我们建议通过一个多变量局部水平模型与分数驱动的协方差矩阵，并将波动性作为一个缺失值问题来处理。这种方法的主要优点是：（i）在过滤相关性时使用所有可用的数据，（ii）考虑市场微观结构噪声，（iii）通过标准的最大似然方法进行估计。我们的实证分析，1秒的纽约证券交易所数据进行，表明开放时间是由特质风险和市场因素逐渐出现在一天的第二部分。该方法可用作高频数据的临近预报工具，允许研究协方差对宏观新闻公告的实时响应，并以非常短的优化视野构建日内投资组合。
2019-03-05 q-fin.GN 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
Market impacts and the life cycle of investors orders
在本文中，我们使用了一个数据库，约400，000元订单由投资者发出，并在2010年在欧洲市场上进行电子交易，以研究市场冲击在不同的规模。在日内规模，我们证实了一个平方根的临时影响，在日常的参与，我们揭示了$1/T^γ$与$γ\simeq 0.25$的持续时间因素。在拟合中包括该因子会增强影响的平方根形状。我们观察到一个幂律的瞬态影响之间的指数$0.5$（长元序）和$0.8$（较短的）。此外，我们表明，市场并不预期的元订单的大小。盘中的衰减似乎表现出两种机制（尽管很难精确识别）：一种是在元指令执行之后的“缓慢”机制，另一种是更快的机制。在每日的时间尺度上，我们展示了元订单之后的价格走势，可以在触发投资决策的预期收益率的实现和缓慢衰减到零的特殊影响之间进行分割。此外，我们提出了一类玩具模型的基础上霍克斯过程（霍克斯影响模型，HIM）来说明我们的推理。我们展示了如何冲动HIM模型，尽管它的简单性，嵌入吸引人的功能，如短暂性和衰减的影响。后者由具有宏观解释的参数$C$参数化：逆向反应（即冲击衰减）和“羊群”反应（即冲击放大）的比率。
2014-12-06 q-fin.TR
Optimizing Broker Performance Evaluation through Intraday Modeling of Execution Cost
本文提出一种利用交易数据评估经纪商执行算法有效性的方法，通过具有瞬时价格影响的模型推导线性与二次成本估计公式，并引入基于预期影响内容加权价格变化的新方法提升精度，为选择最具成本效益的经纪商提供稳健框架。
2024-06-04 q-fin.MF q-fin.TR
Modeling aggressive market order placements with Hawkes factor models
在股票市场中，价格变化是由激进的市价订单引起的。我们引入了一个双变量的标记Hawkes过程模型的积极市价订单到达的微观结构水平。订单到达强度由一个外生部分和两个内生过程表征，分别反映了自激和交叉激发。我们校准模型的上证所股票。我们发现，具有平滑截止的指数核（即两个指数的减法）比单调指数核（即两个指数的和）产生更好的校准。外源性基线强度解释了$U$形状的日内模式。我们的实证结果表明，内生提交集群主要是由自激而不是交叉激励。
2018-11-20 q-fin.TR
Order flow dynamics around extreme price changes on an emerging stock market
本文利用深圳证券交易所的超高频数据，研究了日内价格大幅变动时订单流的动态变化。我们发现一个显着的价格逆转，无论是在日内价格下跌和上涨的永久价格影响。波动率、不同类型订单的成交量、买卖价差和成交量不平衡度在极端事件发生前呈上升趋势，并按幂律缓慢衰减，形成一个确定的峰值。正事件前后，买入市价订单的成交量增长较快，峰值出现时间早于卖出市价订单，而负事件前后，卖出市价订单的成交量峰值在幅度和时间上领先于买入市价订单。将订单按其攻击性分为四组，发现订单数量和订单数量的行为相似，除了买入限价订单和取消订单的订单数量峰值在订单数量峰值之后推迟2分钟，这意味着大订单的投资者更知情，在价格大幅波动中起着核心作用。我们还研究了不同类型订单的相对利率，并发现买入订单和卖出订单之间以及个人投资者和机构投资者之间的相对利率动态差异。有证据表明，机构的行为与个人的行为非常不同，它们有更积极的策略。结合这些发现，我们得出结论，机构投资者更知情，并发挥更有影响力的作用，在推动大的价格波动。
2010-02-28 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
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
They Still Haven't Told You
全球股票市场呈现出长达数十年的隔夜和日内回报模式，似乎只有一个解释是一致的：一个或多个大型的、长期存在的量化公司倾向于在一天的早些时候扩大其投资组合（当其交易价格变动更大时），并在当天晚些时候收缩其投资组合（当其交易价格波动较小时），在每日往返交易中亏损，以在其庞大的现有账面上创造按市值计价的收益。自从这种不寻常的隔夜和日内回报模式首次在文献中被发现以来，14年来一直没有提出其他合理的解释。因此，剩下的主要问题是，在少数几家能够以这种方式进行盈利交易的公司中，哪一家犯了这样的错误。如果这些对你来说是新闻，那是因为你信任的人提醒你这些问题仍然没有告诉你。
2022-01-01 econ.GN q-fin.EC q-fin.GN
When Forecast Accuracy Fails: Rank Correlation and Decision Quality in Multi-Market Battery Storage Optimization
ETH Zürich（苏黎世联邦理工学院）
本文研究多市场电池储能优化中预测准确性与决策质量的关系，发现排名相关性（Kendall tau）比MAE更能预测调度价值，且容量分配比预测准确性更影响总收益。
2026-04-26 cs.CE econ.GN q-fin.EC
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
Market Making with Stochastic Liquidity Demand: Simultaneous Order Arrival and Price Change Forecasts
本文给出了离散时间限价订单簿（LOB）中最优做市策略的一个显式刻画。在我们的模型中，在每一个时期的成交订单的数量线性依赖于基本价格和做市商的限价订单报价之间的距离，具有随机的斜率和截距系数。高频做市商（HFM）因线性价格冲击而产生日终清算成本。最优配置策略以一种新颖而简约的方式结合了对资产基本价格未来变化的预测。我们发现，在需求斜率的随机性降低了库存管理的动机，和需求斜率和投资者的保留价格之间的正相关性导致更广泛的传播。我们的分析表明，买入和卖出市价订单的同时到达（i）降低了库存的影子成本，（ii）导致HFM降低价格压力，以执行更大的流量，（iii）在日内动态的买卖价差中引入了非线性模式。我们的实证研究表明，做市策略优于那些忽略随机性的需求，同时到达的买入和卖出市价订单，和本地漂移的基本价格。
2021-01-08 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
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
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
Order book dynamics in liquid markets: limit theorems and diffusion approximations
我们提出了一个模型的动态限价订单簿在一个流动性的市场，买入和卖出订单提交的频率很高。我们推导出一个功能中心极限定理的联合动态的出价和要价队列，并表明，当订单到达的频率是大的，日内动态的限价订单簿可以近似为一个马尔可夫跳扩散过程中的正正交，其特点是明确描述的统计性质的基本订单流。这个结果允许获得易处理的分析近似的各种数量的利益，如价格上涨的概率或分布的持续时间，直到下一个价格移动，条件的状态下的订单簿。我们的研究结果允许广泛的分布假设和时间依赖的订单流，并适用于广泛的一类随机模型提出的订单簿动态，包括模型的基础上泊松点过程，自激点过程和模型的ACD-Gestival家庭。
2012-02-28 q-fin.CP q-fin.ST q-fin.TR
Random walk model from the point of view of algorithmic trading
尽管日内市场价格分布不是正态分布，但价格行为的随机游走模型对于理解市场基本原理的重要性，就像钟摆模型是物理学中许多基本理论的起点一样。该模型是一个很好的零阶近似的流动性快速移动的市场中的队列位置是不重要的价格行为。在本文中，我们提出了一个精确的解决方案的静态被动切片执行的成本。它示出，如果价格有一个随机游走行为，有没有一个订单执行的最佳限制水平：所有级别有相同的执行成本作为一个立即积极执行在切片的开始。此外，估计的风险，限价订单以及概率的限价订单执行的切片时间和标准偏差的价格的函数。
2019-08-12 q-fin.ST q-fin.TR
Functional Architecture of European Electricity Trading Markets: Requirements for AI Supported Trading Systems under Regulatory Constraints
Swissi Institute for AI（Swissi人工智能研究所）
本文提出一种受监管约束的欧洲电力交易AI支持系统功能架构，通过决策状态向量、风险核算、约束优化和故障关闭控制，将AI作为有界决策组件嵌入市场运营。
2026-10-02 cs.AI cs.SY eess.SY
