本报告系统评估了多种深度学习模型（包括随机模型、逻辑回归、MLP、LSTM、带自注意力机制的LSTM及CNN-LSTM）在限价订单簿（LOB）高频交易价格变动预测中的性能表现。结果显示，多层感知机（MLP）与当前最先进的CNN-LSTM模型性能相当，提示时空动态虽为LOB的良好近似，但可能非其本质维度。基于LOBSTER提供的英特尔股票数据，模型通过不同时间跨度的对数收益率分类任务进行比较，并利用贝叶斯相关t检验聚类模型性能，揭示了不同架构对LOB复杂性不同层次的捕捉能力 [pidx::0][pidx::9][pidx::10][pidx::11][pidx::12][pidx::15]。
本报告研究市场做市商同时在明池和暗池中提供流动性的最优控制问题，结合代理问题框架，设计交易所针对做市商的最优激励合约。通过构建并求解高维非线性哈密顿-雅可比-贝尔曼(HJB)方程，报告证明了解的存在唯一性，并引入深度强化学习算法近似最优控制策略和激励方案。数值实验揭示了激励机制对做市商订单量分布的显著影响及暗池交易延迟对价格影响的调节作用，为多场景下交易所制定make-take费用政策提供量化支持 [pidx::0][pidx::2][pidx::5][pidx::7][pidx::14][pidx::19][pidx::20][pidx::23]
本报告采用深度强化学习算法设计连续期货合约的交易策略，涵盖离散和连续动作空间，并引入波动率调整提升奖励函数表现。基于2011年至2019年50个最活跃期货合约的多资产类别数据，实证显示所提算法优于经典时间序列动量策略，能在高交易成本下实现正收益。实验结果表明算法能有效捕捉大趋势并在盘整期灵活调整持仓，为金融量化交易策略设计提供新思路与参考 [pidx::0][pidx::1][pidx::6][pidx::7][pidx::8]。
本论文提出了基于深度强化学习的加密货币市场做市框架（DRLMM），采用先进的策略梯度算法（A2C与PPO）结合多级限价订单簿（LOB）、交易流不平衡（TFI）及订单流不平衡（OFI）指标作为观测空间，实现端到端的市场做市自动化。实验比较了两种奖励函数（位置盈亏与交易完成），验证了模型能在比特币、以太坊和莱特币市场中产生稳定且有利可图的日收益，并具备良好的泛化能力。结果显示，采用交易完成奖励函数的策略能够生成更多交易且更优的收益表现，且A2C与PPO算法在动作重复次数上表现出差异化的适应性，展现了DRL在市场做市领域解决随机库存控制的有效性[pidx::0][pidx::4][pidx::10][pidx::11][pidx::12]
本报告构建了一个多代理经纪商市场模拟器，训练强化学习（RL）市场做市商代理以研究其在不同竞争环境、奖励设计和市场价格趋势下的行为。研究表明RL代理能学习竞争对手报价策略，通过买卖价偏斜（skewing）智能管理库存风险，并根据价格漂移维持相应的正负库存。同时设计并测试了多种风险厌恶的奖励函数，有效降低库存PnL波动，增强代理稳健性，为复杂市场做市战术的模拟和评估提供了重要工具 [pidx::0][pidx::1][pidx::5][pidx::6][pidx::7]。
本报告基于超过九年、包含千万级用户与亿级交易的比特币交易网络数据，构建地址与用户两种网络视角，对网络拓扑结构及其变化与比特币价格动态之间的因果关系做了系统分析。研究揭示价格波动与用户行为异质性之间的反馈机制，尤其发现在价格下跌时节点活动表现更大异质性，挖掘出网络结构指标在反映市场集体行为与预测价格走势中的价值，为理解加密货币市场演化提供了新视角[pidx::0][pidx::2][pidx::8][pidx::11]
本报告建立了基于加密资产安全性和稳定性两大核心特征的最优选择模型，模拟投资者如何通过“加密资产推荐应用”在不同资产对之间做出选择。研究发现投资者的风险偏好驱动了加密资产的采纳动态，不同资产类别如CBDCs、稳定币、加密货币和加密代币表现出截然不同的采纳概率和预期收益，且投资者的异质性导致市场表现多样化。模型定量揭示了加密资产生态系统中资产存活与消亡的可能路径，为投资策略设计和市场预测提供了理论工具 [pidx::0][pidx::1][pidx::3][pidx::9][pidx::15]。
本报告提出Deep Momentum Networks（DMNs），将深度神经网络嵌入传统的时间序列动量策略框架，通过端到端学习趋势估计和头寸规模，实现信号的Sharpe比率最大化。基于88个连续期货合约的回测显示，Sharpe率优化的LSTM模型在无交易成本下，将传统策略表现提升超过两倍，且在考虑交易成本2-3个基点时仍优于基准。提出的交易频率正则化方法有效抑制高成本环境下的换手率，提升模型稳健性，为动量策略的深度学习应用提供了有力支持 [pidx::0][pidx::6][pidx::7][pidx::11][pidx::12].
本报告提出了一类基于乘法噪声的随机偏微分方程(SPDE)模型，用于刻画以中价为中心的限价订单簿动态，结合中价的随机演化，实现了有限维Markov过程的参数化，提升模型的估计和计算效率。通过对两因子模型和均值回复深度模型的深入分析，揭示了订单簿深度、成交量及订单流失衡对价格动态的影响，模型有效重现了限价市场中价格变动及订单流统计特性，并基于实际高频数据进行了参数校准和实证验证，为理解价格形成机理及市场微观结构提供了坚实理论基础和实用工具 [pidx::0][pidx::1][pidx::3][pidx::5][pidx::17][pidx::26][pidx::34]
本报告研究了加密货币市场中动量效应与流动性的关系，通过双变量动量-流动性排序构建投资组合，并在711种加密货币之间进行双周调仓。研究发现动量效应在高流动性加密货币中尤为显著，支持投资者羊群行为理论；同时，在上期表现不佳的资产中发现流动性溢价。基于此，报告提出两种长期持有策略——“流动性强的赢家”与“流动性弱的输家”，其风险调整后表现均优于市值加权基准组合，且在交易成本考虑下仍具备稳健性[pidx::0][pidx::2][pidx::3][pidx::4][pidx::5]。
本报告针对限价委托簿（LOB）构建了一个弱一致性的市场做市模型，遵循市场微结构中订单类型分类，允许任意订单量、价格跳跃和买卖价差分布，且保障价格变动与订单类型一致。采用最优切换与冲动控制理论处理标记点过程，建立对应的Hamilton-Jacobi-Bellman准变分不等式（HJBQVI）并提出数值求解方法。基于纳斯达克ETF QQQ真实数据的标定和仿真，验证了模型对价格时间优先、跳跃幅度及订单多样性的刻画，并指出传统Avellaneda-Stoikov框架中的价格不一致性会显著高估做市利润约50%以上。本模型在风险管理和策略优化上展现出较高实用性，为高频做市提供了新的理论和实务工具 [pidx::0][pidx::1][pidx::4][pidx::6][pidx::8][pidx::22][pidx::29][pidx::30]。
本报告针对导致盘口价差变化的三类事件：成交、撤单和限价委托单的挂单，对其对股票价格的影响进行了系统分析。研究发现，撤单比成交更频繁地打开买卖价差，当撤单主导价差变化时，盘口的其他指标也随之变化。成交和撤单均对其自身及跨股票价格产生积极影响，而挂单则表现为负向影响。特别地，成交的自我响应与所有成交事件响应十分相似，表明撤单和挂单在盘口及价格动态上的长期影响与成交相当。该结论对理解订单簿微观结构及价格形成机制具有重要意义 [pidx::0][pidx::1][pidx::2][pidx::4][pidx::5][pidx::6][pidx::7][pidx::8]。
本报告提出了一种基于Sarsa强化学习算法的自适应配对交易模型，实现了协整配对交易模型参数的动态优化。该模型通过自适应调整评估时间窗口、交易时间窗口、开仓与平仓阈值参数，有效提升了交易策略的收益率和风险调整后表现（索提诺比率），并降低了最大回撤及交易次数，体现了更优的盈利能力和风险控制能力。模型在中国债券市场4组主要配对债券组合上的仿真测验中表现稳定优异，累计收益率显著超越传统固定参数交易模型，且收益差异通过统计显著性检验。该方法填补了强化学习在统计套利领域尤其配对交易中的应用空白，展示出强大的自适应学习和持续优化能力，为投资者提供了有效的套利与风险控制工具 [pidx::0][pidx::4][pidx::6][pidx::7][pidx::9][pidx::10]。
本文基于日本银行自2013年以来大规模购买指数ETF的量化与质化宽松（QQE）计划，构建并实证了一个包含企业股票的资产定价模型，揭示了中央银行资产购买如何通过减少市场上市股本供应，影响股票价格及风险溢价结构。研究发现ETF购买政策在股票层面产生显著且持久的价格提升效应，且这种影响在跨企业间存在异质性，与股票协方差矩阵和购买向量相关。量化估计显示，中央银行每投入一万亿日元，可使总体市场估值提升约20个基点，支持了股票长期需求曲线向下倾斜的结论。此外，研究指出按价格加权的买入方式（以日经225指数为代表）导致定价扭曲和融资成本的异质变化，建议改为按市值加权以优化政策效果 [pidx::0][pidx::2][pidx::5][pidx::19][pidx::24][pidx::26][pidx::27]。
本报告基于中国2015年股市崩盘期间国家队直接买入股票的实证研究，发现国家队干预显著降低了所持企业的股价崩盘风险，增强了价格稳定性，尤其在市场噪声交易者多和投资者信心低的股票中表现更为显著，但同时带来了价格同步性提高、信息效率降低和交易成本上升等副作用。此外，国家队积极买卖持股，干预效果多集中于危机及近期后期，长期效果不明显，提示直接股市干预短期有效但不可持续，需配合有序退出策略 [pidx::0][pidx::1][pidx::5][pidx::7][pidx::12][pidx::13][pidx::14][pidx::15]
本报告基于2015年中国股市崩盘期间政府通过“国家队”大规模股票购买的干预案例，系统实证分析政府干预对市场波动率和价格信息效率的影响。研究发现，干预显著降低了价格波动率，但同时因干预组合的披露，投资者更多关注政府干预信息而非基本面信息，导致信息生产减少和价格信息效率下降，引发了价格误判和显著的套利机会，揭示了市场稳定与信息效率间的权衡取舍 [pidx::0][pidx::4][pidx::5][pidx::21][pidx::26][pidx::29][pidx::31][pidx::32]
本报告系统介绍了招商证券私募基金指数体系，基于覆盖超万只私募基金样本的托管数据库，以严格统计建模与偏差控制技术，打造市场指数（CMSFI - Broad）和精选指数（CMSFI - Core）两大系列。精选指数通过科学的量化筛选与组合构建方法，实现长期稳定超越市场的投资回报，且推广形成了基于指数复制的FOF产品，推动私募基金行业信息透明和健康发展 [pidx::1][pidx::6][pidx::14][pidx::18][pidx::20]
本报告全面梳理了中国资产管理行业的发展历程及资管新规影响，深入分析资管机构的核心科技能力及六大科技服务能力。重点探讨了资管数据中台、开放平台、智能投顾与智能风控等前沿科技的实际应用，彰显数字化、智能化驱动下资管行业创新发展的趋势与挑战，为资产管理机构提升投研、量化投资及风险管理能力提供重要参考 [pidx::2][pidx::3][pidx::5][pidx::6]。
本报告系统综述并解读了Aït-Sahalia和Fan等学者2022年的研究成果，研究利用机器学习方法针对高频股票收益率的可预测性进行了深入分析。结果显示，高频收益率在极短时间尺度表现出显著且系统性的可预测性，成交数据因子（如成交不平衡和历史收益）对预测效果贡献最大。研究还发现数据时效性对预测准确性至关重要，延迟仅0.01秒即可显著降低预测性能。此外，模拟前瞻性订单流方向信息的引入能大幅提升收益率的可预测性。本报告通过多种回归模型验证了这些发现，并对高频市场的实务应用价值进行探讨 [pidx::0][pidx::2][pidx::8][pidx::13][pidx::14]。
本报告系统探讨了高频做市策略的理论基础、品种适用性及其在铁矿石期货上的实际应用。利用Tan moy Chakraborty等人的理论公式评估了铁矿石、螺纹钢和铜的做市盈利上限，发现铁矿石最适合做市操作。针对实际交易中成交率和手续费影响，构建了基于模糊逻辑神经网络的1分钟中间价涨跌预测模型，以提前平仓控制趋势风险。回测结果表明，模糊逻辑神经网络能显著提升策略收益，降低手续费返还临界点，尤其在趋势行情中预测止损效果明显，有助于提高高频做市策略的实用性和稳定盈利能力 [pidx::0][pidx::3][pidx::5][pidx::6][pidx::9][pidx::11]。
