大型语言模型(LLM)最近被用于资产定价任务和股票交易应用程序,使AI代理能够从非结构化财务数据中产生投资决策。 然而,大多数基于LLM时间的投资策略的评估是在狭窄的时间框架和有限的库存宇宙中进行的,由于生存和数据窥探偏差而高估了有效性。 我们通过提出FINSABER来批判性地评估它们的可推广性和稳健性,FINSABER是一个评估长期基于时间的策略和更大的符号宇宙的背测框架。 20多年来的系统背测和100多个符号显示,以前报告的LLM优势在更广泛的横截面和长期评估下显着恶化。 我们的市场机制分析进一步表明,LLM策略在牛市中过于保守,表现欠差的被动基准,熊市过于激进,造成重大损失。 这些发现突出表明,需要制定LLM战略,使趋势检测和制度感知风险控制优先于仅仅扩展框架复杂性。
高频交易(HFT)是一种投资策略,持续监控市场状态,并以毫秒级的速度进行竞价和下单。 传统的HFT方法将模型与历史数据相适应,并假设未来的市场状态遵循类似的模式。 这限制了任何单一模型的有效性,使其适应其所训练的特定条件。 此外,这些模型仅在特定市场条件下实现最佳解决方案,例如对股价随机过程的假设,稳定的订单流以及没有突然波动。 然而,现实世界的市场是动态的,多样化的,而且经常是不稳定的。 为了应对这些挑战,我们提出了FlowHFT,这是一个基于流程匹配策略的新型模仿学习框架。 FlowHFT同时从众多专家模型中学习策略,每种模型都精通特定的市场场景。 因此,我们的框架可以根据当前的市场状态进行适应性调整投资决策。 此外,FlowHFT还采用了网格搜索微调机制。 这使得它能够细化策略并实现卓越的性能,即使在专家策略可能不理想的复杂或极端市场场景中也是如此。 我们在多个市场环境中测试 FlowHFT。 我们首先表明,流量匹配策略适用于随机市场环境,从而使FlowHFT能够在不同的市场条件下学习交易策略。 值得注意的是,我们的单一框架始终如一地在每个市场条件下都能超越最佳专家的性能。
在传统期货交易的复杂格局中,实时限价图书(LOB)等大量数据和变量使价格预测复杂化,我们引入了FutureQuant Transformer模型,利用注意力机制来驾驭这些挑战。 与专注于点预测的传统模型不同,FutureQuant模型擅长预测未来价格的范围和波动性,从而为交易策略提供更丰富的见解。 其从复杂的市场模式中解析和学习的能力可以增强决策,显着改善风险管理,并使用RSI,ATR和Bollinger Bands等因素使用简单的算法实现0.1193种先进模型的显着平均收益。 这一创新标志着期货交易波动领域的预测分析取得了实质性飞跃。
基于限价单簿(LOB)数据的价格趋势预测(PTP)是金融市场的一个基本挑战。 尽管深度学习取得了进展,但现有模型未能在不同市场条件和资产上推广。 令人惊讶的是,通过将基于MLP的简单架构适应LOB,我们证明了我们超越了SoTA的性能;因此,挑战了复杂架构的必要性。 与过去显示鲁棒性问题的工作不同,我们提出了TLOB,这是一种基于变压器的模型,它使用双重注意力机制来捕获LOB数据中的空间和时间依赖关系。 这使得它能够适应性地专注于市场微观结构,使其对长视距预测和波动的市场状况特别有效。 我们还引入了一种新的标签方法,该方法改进了以前的标记方法,消除了视界偏差。 我们使用既定的FI-2010基准,纳斯达克和比特币数据集来评估TLOB在四个视野中的有效性。 TLOB在每个数据集和视界都优于SoTA方法。 此外,我们的经验表明,随着时间的推移,股价的可预测性如何下降,F1得分为6.68,突显了市场效率的不断提高。 必须考虑与交易成本相关的可预测性,因此,我们尝试使用平均差价来定义趋势,反映主要交易成本。 由此产生的业绩恶化突显了将趋势分类转化为有利可图的交易策略的复杂性。 我们认为,我们的工作为不断变化的股价趋势预测提供了新的见解,并为金融人工智能的未来发展奠定了坚实的基础。 我们发布代码在https://github.com/LeonardoBerti00/TLOB。
在连续的日内电力市场中,电网规模的电池储能系统的收入最大化,需要能够在新信息到达后立即抓住交易机会的策略。 本文介绍并评估了电池储能系统在日内市场进行电力交易的自动化高频交易策略,同时明确考虑了限价订单簿、市场规则和技术参数的动态。 标准滚动固有策略适用于连续的日内电力市场,并使用动态编程近似来解决,该近似值比精确的混合整数线性编程解决方案快两到三个数量级。 整整一年德国订单簿数据的详细回测表明,拟议的动态编程公式不会降低交易利润,并使政策能够对每个相关的订单簿更新做出反应,从而实现现实的快速回测。 我们的结果表明高频交易的巨大收入潜力:我们的政策比每分钟重新优化一次时的收入要高58,这突出表明利润关键取决于交易速度。 此外,我们利用算法的速度来训练滚动内在的参数扩展,将年收入增加8.4。
No more items to load.