关键词high-frequency trading
搜索结果 - 7
- KDDMacroHFT：增强记忆的上下文感知强化学习在高频交易中的应用
高频交易（HFT）是在短时间范围内执行算法交易的交易方式，近年来已经占据了大部分加密货币市场。除了传统的量化交易方法外，强化学习（RL）由于其处理高维金融数据和解决复杂顺序决策问题的能力，成为 HFT 的另一种吸引人的方法。本文提出了一种新 - 机器学习能否释放高频交易的新洞见？
利用机器学习模型，我们研究金融市场动态与高频交易活动之间的非线性相互作用，并引入新的指标来识别需求和供应流动性的高频交易策略。这些策略在信息事件发生时增加交易活动，在交易速度受限时降低交易活动，其中供应流动性策略表现出更高的反应性。需求流动 - 结合订单簿的深度学习和强化学习进行盈利交易
应用深度学习和强化学习结合，利用订单流量失衡进行多时间段预测收益的研究，为五种金融工具提供交易信号，并通过回测模拟和前期测试在零售交易平台验证了模型的潜力，但还需要进一步修改以应对零售交易成本、滑点和点差的波动。
- 各种机器学习模型频繁交易效应分析
该研究旨在开发一种先进的高频交易算法，并比较三种不同的数学模型的性能：交叉熵损失函数和拟牛顿算法的组合、FCNN 模型和向量机。该算法利用神经网络预测生成交易信号，并基于特定条件执行买入和卖出操作，通过利用神经网络的力量提高交易策略的准确性 - 应用深度 Q 学习于高频交易中的统计套利增强策略之全面探索
该研究论文探讨了将强化学习应用于统计套利策略中的高频交易场景，通过利用强化学习的自适应学习能力，发现其可以揭示传统方法可能忽略的模式并设计交易策略，同时解决在金融市场中这一非稳态环境中应用强化学习所面临的挑战，并研究缓解相关风险的方法。通过 - 融合逐笔数据和周期信号用于高频市场做市
该研究旨在解决高频交易中市场制造的问题，提出了一种深度强化学习方法，将 tick-level 数据与周期性预测信号融合，以开发更精准、更强韧的市场制造策略，并在加密货币市场模拟场景和实际数据实验中得到了优越的收益和风险管理表现。
- 用于高频交易预测的最佳输出长短期记忆细胞
本文介绍了一种修订的在线长短时记忆细胞，该细胞运行在浅拓扑上，具有最小的回看期，通过选择最佳门或状态作为其最终输出，比其他递归神经网络更适用于在线高频交易预测任务，如限价单簿的中间价格预测。在两只高流动性的美国和两只不太流动的北欧股票上对其