VWAP Execution with Signature-Enhanced Transformers: A Multi-Asset Learning Approach
创建于 更新于
摘要
本文提出了一种基于多资产共享参数的VWAP执行新框架，结合了Transformer架构与路径签名特征，有效捕获复杂时序依赖并提升执行质量。针对加密货币市场80个交易对的实证结果表明，基于签名的全局训练Transformer（GFT-Sig）在绝对与二次VWAP损失上均显著优于传统资产定制模型，实现了优异泛化能力和实时交易性能[page::0][page::7][page::20][page::23][page::25][page::28]。
