Quantifying macroeconomic expectations in stock markets using Google Trends
在其他宏观经济指标中,美国劳工统计局就业形势报告中每月公布的美国失业率数据引起了媒体的广泛关注,并强烈影响了股票市场。我调查是否可以通过预测美国失业率的可能变化来构建一个有利可图的投资策略,在官方新闻发布之前,使用Google查询量进行相关搜索。我发现,人类与互联网互动的大量新数据源不仅提高了美国失业率的可预测性,而且还可以在与宏观经济数据一起考虑时提高交易策略的市场时机。我的研究结果说明了将广泛的行为数据集与经济数据相结合来预测投资者预期和股票市场走势的潜力。
2018-05-01 q-fin.ST q-fin.TR
Trends and Reversion in Financial Markets on Time Scales from Minutes to Decades
本文实证分析了多类金融资产在数分钟至数十年间的趋势与回复现象,发现市场在几小时至几年间呈趋势状态,其余尺度呈回复状态,并结合格气模型对结果进行了解释。
2025-05-30 cond-mat.stat-mech q-fin.MF q-fin.ST
VolTS: A Volatility-based Trading System to forecast Stock Markets Trend using Statistics and Machine Learning
本文提出 VolTS 交易系统,结合统计分析、k-means++ 波动率聚类与 Granger 因果检验识别股票预测关系,并通过回测验证其稳健获利能力。
2023-08-17 q-fin.PM q-fin.TR
TLOB: A Novel Transformer Model with Dual Attention for Price Trend Prediction with Limit Order Book Data
Sapienza University of Rome(罗马萨皮恩扎大学);Technical University of Munich(慕尼黑技术大学)
本文提出基于Transformer和双重注意力的TLOB模型,用于LOB价格趋势预测,并引入消除周期偏差的新标注方法,在FI-2010、NASDAQ和比特币数据集上均超越SoTA,同时揭示了市场效率提升导致的可预测性下降。
2025-05-07 cs.AI cs.LG q-fin.ST
On Simple Mean-Field Stochastic Model of Market Dynamics
我们提出了一个简单的随机市场行为模型。将市场参与者分为趋势追随者和基本面主义者两类,我们得到了市场动态随机方程的一般形式。该模型具有两个特征时间尺度:市场环境变化的时间和新闻流的特征时间。在最一般的情况下,价格行为是由三个随机过程驱动的,分别归因于趋势追随者,基本面分析师和消息流。该模型展示了现实市场中的一系列典型特征:多尺度行为,聚集波动,连续交易日价格变化之间的弱相关性等。
2003-07-08 cond-mat.stat-mech q-fin.TR
Reinforcement Learning Framework for Quantitative Trading
Johns Hopkins University(约翰斯·霍普金斯大学)
针对强化学习在量化交易中缺乏实际有效性证据及金融指标利用不足的问题,本文提出利用金融指标增强RL智能体区分买卖行动的能力,为基础框架的进一步探索奠定基础。
2024-11-12 cs.AI q-fin.CP q-fin.TR
E-TRENDS: Enhanced LSTM Trend Forecasting for Equities
Saint Andrew University(圣安德鲁大学);AI for Alpha, Paris Dauphine University(Alpha人工智能,巴黎第九大学)
本文提出基于LSTM的框架,用于预测股票趋势差异,通过差分证明偏差方差减少,并在多个市场周期中验证了其有效性。
2026-03-15 q-fin.TR
Uncovering Market Disorder and Liquidity Trends Detection
本文提出一种基于标记霍克斯过程和限价订单簿数据的新方法,用于检测订单驱动市场中流动性的显著变化,并通过 minimax 最快检测理论证明最优性,实证验证其有效性。
2023-10-13 q-fin.MF q-fin.TR
Re-evaluating Short- and Long-Term Trend Factors in CTA Replication: A Bayesian Graphical Approach
本文利用贝叶斯图模型将CTA收益动态分解为短期趋势、长期趋势和市场贝塔因子,揭示了不同时间尺度趋势组合对策略风险调整后表现的影响。
2025-07-17 cs.AI q-fin.PR q-fin.ST
Power Assisted Trend Following
“趋势是你的朋友”是一句俗话,困难在于确定你是否以及何时处于趋势中。趋势是否足够强劲,可以交易?趋势何时逆转,你将如何判断?我们将在这里尝试回答至少其中的一些问题。我们正在使用数字信号处理技术推导一种新的指标来衡量趋势的力量,将信号与噪声分离开来。我们将这些应用到实例以及真实数据和评估的准确性,这些和PNL性能的关系的“波动率指数”的趋势以下算法设计的J.威尔斯怀尔德小。1978年
2020-03-20 eess.SP q-fin.CP q-fin.MF
Pyramid scheme in stock market: a kind of financial market simulation
基于Agent的人工股市仿真是研究金融市场的重要手段。在假设投资者由一个主力资金、小趋势和反向投资者组成的四个参数特征的基础上,模拟研究了一种具有传销特征的金融现象。通过仿真和理论分析,揭示了主力资金收益率与趋势投资者占中小投资者的比例、中小投资者的止盈和止损参数、主力资金的订单规模以及主力资金采取的策略。我们的工作有助于解释金融市场中具有传销特征的金融现象,为监管机构设计交易规则,为投资者制定交易策略。
2021-02-16 physics.soc-ph q-fin.TR
Follow the Leader: Enhancing Systematic Trend-Following Using Network Momentum
本研究针对商品期货市场,提出融合单变量与横截面趋势指标、结合两种领先-滞后检测方法和网络动量计算的新型趋势跟踪策略,经合成自举数据验证,其夏普比率、收益偏度等表现较基准模型有统计显著提升。
2025-01-13 q-fin.MF q-fin.TR
The Random Forest Model for Analyzing and Forecasting the US Stock Market in the Context of Smart Finance
本文在智能金融背景下,使用最优参数的随机森林模型结合人工智能,对四只美国股票测试集进行上涨、横盘、下跌三种趋势预测,并从预测准确性和时间效率两方面评估模型性能。
2024-02-27 cs.CE q-fin.PM q-fin.TR
Few-Shot Learning Patterns in Financial Time-Series for Trend-Following Strategies
Oxford-Man Institute(牛津-曼研究所);University of Oxford(牛津大学)
本文提出少样本趋势跟踪模型X-Trend,通过交叉注意力从历史市场状态中迁移趋势模式,实现快速适应新市场状态,在2018-2023年动荡期显著提升夏普比率并加速从回撤中恢复。
2024-03-28 cs.LG q-fin.PM q-fin.TR
QuantNet: Transferring Learning Across Systematic Trading Strategies
University College London(伦敦大学学院);University of Manchester(曼彻斯特大学)
系统性金融交易策略占股票交易量的80%以上,也是外汇市场的一大部分。尽管可以获得来自多个市场的数据,但当前的交易方法主要依赖于学习每个市场的交易策略。在本文中,我们朝着开发完全端到端的全球交易策略迈出了一步,这些策略利用系统趋势来产生卓越的市场特定交易策略。我们介绍QuantNet:一种学习市场不可知趋势的架构,并使用这些来学习卓越的市场特定交易策略。每个特定于市场的模型都由一个编码器-解码器对组成。编码器将特定于市场的数据转换为抽象的潜在表示,该表示由所有市场共享的全局模型处理,而解码器基于来自特定于市场的编码器和全局模型的本地和全局信息来学习特定于市场的交易策略。QuantNet使用了最近在转移和元学习方面的进展,市场特定的参数可以自由地专注于手头的问题,而市场不可知的参数则被驱动以捕捉来自所有市场的信号。通过整合特殊的市场数据,我们可以学习一般的可转移动态,避免过度拟合的问题,以产生具有优异回报的策略。我们根据全球58个股票市场的3103种资产的历史数据对QuantNet进行评估。与表现最好的基线相比,QuantNet的夏普比率高出51%,卡尔马比率高出69%。此外,我们还展示了我们的方法相对于非迁移学习变体的优势,夏普和卡尔马比率分别提高了15%和41%。代码见附录。
2020-06-30 cs.LG q-fin.CP q-fin.PM
Could short selling make financial markets tumble?
建议将金融市场的长期趋势视为一种增长现象。问题是,金融市场的长期可持续增长或收缩需要什么条件?本文讨论了传统的市场参与者的作用,只有长期的共同基金与对冲基金,采取短期和长期的立场。有人会说,金融市场从一开始,直到最近,一直处于一种有利于长期增长而不是收缩的“破碎的市场”状态。这种“破碎的市场”进入长期“牛市阶段”的原因是历史上金融市场上几乎完全由长期参与者主导。通过分析结果和基于代理的市场模型的模拟结果,说明了与短期交易有关的危险。纳斯达克综合指数最近的空头交易数据显示,在市场下跌之前或同时,空头交易活动有所增加,并显示空头交易活动稳步增加,达到前所未有的水平。
2003-08-26 cond-mat.stat-mech q-fin.TR
Refining and Robust Backtesting of A Century of Profitable Industry Trends
本文重新审视了纯多头趋势跟踪策略,探讨针对T-bills依赖等问题的修改,通过动量信号和Walk-Forward Analysis增强适应性,揭示了历史策略适应现代市场的持续挑战。
2024-12-20 q-fin.PM q-fin.TR
PRIME: A Price-Reverting Impact Model of a cryptocurrency Exchange
本文提出PRIME模型,一种可解释的多智能体市场模拟,能复现BTC/USD期货市场冲击,帮助用户估计滑点并测试市场假设。
2023-05-12 q-fin.CP q-fin.TR
Coupled effects of market impact and asymmetric sensitivity in financial markets
通过将市场冲击和非对称敏感性引入演化少数者博弈,研究了金融市场中股票价格和投资策略的协同演化动力学。研究发现,股票价格运动和投资者的全球行为都与它们所处的相区密切相关。在市场冲击较小的区域内,投资者对收益和损失的非对称反应导致羊群行为的发生,此时所有的投资者都倾向于以极端的方式做出相似的行为,从而导致价格大幅波动。研究发现,股价变动的标准差与策略均值之间存在线性关系,在充分的市场冲击下,投资者倾向于自我隔离成对立的群体,非对称敏感性的引入导致优势策略的消失。与市场冲击较小的股票市场相比,股票价格波动受到抑制,出现了有效市场。理论分析表明,该模型中从群聚到自隔离的相变机制类似于多数-少数博弈,有效市场的发生和消失与趋势跟踪力量和趋势厌恶力量的竞争有关。该模型中的策略聚集是由多数人获胜效应和财富驱动机制导致的,使市场变得可预测。
2013-01-14 physics.soc-ph q-fin.TR
Is Trend Still Your Friend?: A Microstructural Account of the Demise of Short-Term Trend-Following
Institut Louis Bachelier(路易·巴舍利耶研究所);École polytechnique(巴黎综合理工学院);Imperial College London(伦敦帝国学院);Capital Fund Management(资本基金管理公司);Académie des Sciences(科学院)
本文利用1995-2025年约100个流动性期货合约的数据,发现短期趋势策略在2009年后失效,并归因于波动率归一化价差大小:小价差合约趋势收益崩溃,而大价差合约基本保持,提出高频做市商主导的市场微观结构反馈环断裂是主因。
2026-07-03 q-fin.PM q-fin.TR
The amazing power of dimensional analysis: Quantifying market impact
本文补充了Kyle和Obizhaeva [18]关于维度分析和市场微观结构的鼓舞人心的工作。紧跟着这些作者,我们的主要结果通过一个通常应用于物理学的类似论证,表明了以下显著的事实。如果元指令的市场冲击仅取决于四个定义明确且具有财务意义的变量,那么--直到一个常数--这种依赖关系只有一种可能的形式。特别是,市场冲击与元订单规模的平方根成正比。这个定理可以看作是Kyle和Obizhaeva的一个更一般结果的特例。这些作者考虑了五个可能影响市场冲击大小的变量。在这种情况下,人们发现了更丰富的可能的函数关系,我们精确地描述了这些关系。我们还讨论了物理学中经典论点的类比,例如钟摆的周期。
2017-09-27 q-fin.TR