2019年度精选论文汇总：量化、交易、策略、算法

标星★置顶公众号 爱你们♥

量化投资与机器学习编辑部出品

相关热点文章

量化投资界：2019年度最佳论文出炉！

0

前言

我们整理了一些在2019年较好的量化、交易、策略论文供大家学习。

希望大家不要像这样

P

1月论文

1、多模态深度学习在股票短期波动预测中的应用

下载地址：https://arxiv.org/abs/1812.10479

2、校准波动模型：一种卷积神经网络方法

下载地址：https://arxiv.org/abs/1812.05315

3、价差变化如何影响订单簿

下载地址：https://arxiv.org/abs/1812.09067

4、151种交易策略

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3247865

P

2月论文

1、基于机器学习的风险管理

下载地址：https://arxiv.org/abs/1902.05287

2、高频期权市场的系统研究

下载地址：https://hal.archives-ouvertes.fr/hal-02014248/document

3、测量财务周期时间

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3322618

P

3月论文

1、比特币的市场操纵

下载地址：https://arxiv.org/abs/1902.01941

2、瞬时价格影响下的最优VWAP操作

下载地址：https://arxiv.org/abs/1901.02327

3、基于机器学习的收益率曲线特征提取：在非流动性公司债券中的应用

下载地址：https://arxiv.org/abs/1812.01102

P

4月论文

1、 深度学习在资产定价中的应用

下载地址：https://arxiv.org/abs/1904.00745

2、Quintet Volume Projection

下载地址：https://arxiv.org/abs/1904.01412

3、贝叶斯交易成本分析与broker算法排序

下载地址：https://arxiv.org/abs/1904.01566

4、加密货币的动量和流动性

下载地址：https://arxiv.org/abs/1904.00890

5、限价订货簿动力学的随机偏微分方程模型

下载地址：https://arxiv.org/abs/1904.03058

6、利用深层神经网络增强时间序列动量策略

下载地址：https://arxiv.org/abs/1904.04912

7、机器时代的微观结构

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3345183

8、能源期货市场的统计套利预期

下载地址：https://www.mdpi.com/1911-8074/12/1/14

9、基于深度学习的高频比特币时间序列趋势预测分类

下载地址：https://www.mdpi.com/1911-8074/12/1/17

P

5月论文

1、 影响不仅仅是波动

下载地址：https://arxiv.org/abs/1905.04569

2、比特币市场的价格发现、高频交易

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3383147

3、用于文档分类的BERT

下载地址：https://arxiv.org/abs/1904.08398v1

P

6月论文

1、 高斯收益的最优动态策略

下载地址：https://arxiv.org/abs/1906.01427

2、基于基本面分析的神经网络股票选择模型

下载地址：https://arxiv.org/abs/1906.05327

3、评估信用风险的机器学习应用

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3404066

4、长期资产配置中的套期保值需求及其利差交易策略

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3398982

5、隐含波动率与已实现波动率: 分布与差异分布的研究

下载地址：https://arxiv.org/abs/1906.02306

P

7月论文

1、 动态时间序列的波动变化点聚类

下载地址：https://arxiv.org/abs/1906.10372

2、基于EPEX订单的机器学习：见解与预测

下载地址：https://arxiv.org/abs/1906.06248

3、如何评估交易策略？

下载地址：https://arxiv.org/abs/1906.12010

4、利用低频历史数据、高频历史数据和期权隐含波动率预测证券波动率

下载地址：https://arxiv.org/abs/1907.02666

5、谁从机器人投资中受益？

下载地址：https://arxiv.org/abs/1907.03370

6、比特币交易网络与价格动态之间的联系

下载地址：https://arxiv.org/abs/1907.03577

7、多市场做市商环境下的最优交易费用

下载地址：https://arxiv.org/abs/1907.11053

P

8月论文

1、 常用技术交易模型的有效性评价

下载地址：https://arxiv.org/abs/1907.10407

2、加速股票回购和其他回购计划：神经网络能带来什么

下载地址：https://arxiv.org/abs/1907.09753

3、通过图像分类交易

下载地址：https://arxiv.org/abs/1907.10046

4、执行延迟对基于Kelly-Based股票交易的影响：高频交易与买入持有

下载地址：https://arxiv.org/abs/1907.08771

5、一个加密资产优化选择的模型

下载地址：https://arxiv.org/abs/1906.09632

6、加密货币与传统货币波动之间的联系

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3431636

7、基于交易成本和价格冲击的非交易性风险对冲

下载地址：https://arxiv.org/abs/1908.00054

8、一种基于深层强化注意力网络的买入-赢家-卖出-输家投资策略

下载地址：https://arxiv.org/abs/1908.02646

9、机器学习评估：卖方研究多语言叙事的预测力

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3437825

P

9月论文

1、 延迟和流动性风险

下载地址：https://arxiv.org/abs/1908.03281

P

10月论文

1、使用生成对抗性网络抽样金融相关矩阵

下载地址：https://arxiv.org/abs/1910.09504

2、Libra：电子金融交易中的公平指令匹配

下载地址：https://arxiv.org/abs/1910.00321

P

11月论文

1、Making Good on LSTMs' Unfulfilled Promise

下载地址：https://arxiv.org/abs/1911.04489

2、多Agent经销市场中的做市强化学习

下载地址：https://arxiv.org/abs/1911.05892

3、通过投资组合选择学习投资者的风险偏好

下载地址：https://arxiv.org/abs/1911.02067

4、深度对冲: 学习模拟股票期权市场

下载地址：https://arxiv.org/abs/1911.01700

5、基于层次相关重构的买卖价差条件分布建模

下载地址：https://arxiv.org/abs/1911.02361

P

12月论文

1、深度强化学习交易

下载地址：https://arxiv.org/abs/1911.10107

2、考虑阶级极端不平衡和经济多阶段的破产预测模型

下载地址：https://arxiv.org/abs/1911.09858

3、加密货币做市中的深度强化学习

下载地址：https://arxiv.org/abs/1911.08647

4、在暗池存在的情况下做市商和激励设计: 一种深层次的强化学习

下载地址：https://arxiv.org/abs/1912.01129

5、利用流动性指标和技术指标预测股票价格的日内跳跃

下载地址：https://arxiv.org/abs/1912.07165

6、Cross-Asset Skew

下载地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3505422

2020年第6篇文章

量化投资与机器学习微信公众号，是业内垂直于Quant、MFE、Fintech、AI、ML等领域的量化类主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险资管、海外等众多圈内18W+关注者。每日发布行业前沿研究成果和最新量化资讯。

你点的每个“在看”，都是对我们最大的鼓励