Алгоритмическая торговля и финансы — свежие исследования
На этой неделе появилось много новых научных работ по алгоритмической торговле, вычислительным финансам и управлению рисками. Учёные активно применяют машинное обучение и ИИ, чтобы сделать торговлю точнее, прозрачнее и безопаснее.
Алгоритмическая торговля и машинное обучение
Много новых исследований посвящено тому, как нейросети помогают трейдерам принимать решения. Гибридные модели, которые одновременно предсказывают риски и ищут прибыльные сделки, описаны в работе Causal and Predictive Modeling of Short-Horizon Market Risk and Systematic Alpha Generation Using Hybrid Machine Learning Ensembles.
Системы на нескольких ИИ анализируют фундаментальные данные китайского рынка — об этом говорится в исследовании Hierarchical AI Multi-Agent Fundamental Investing: Evidence from China's A-Share Market.
Эффективность исполнения ордеров повышают модели обучения с подкреплением, представленные в статье Right Place, Right Time: Market Simulation-based RL for Execution Optimisation.
Использование новостного сентимента в торговых стратегиях рассматривается в работе News-Aware Direct Reinforcement Trading for Financial Markets.
Портфели и риски
Учёные продолжают искать способы собрать устойчивый портфель и сократить издержки. Оптимизация с учётом транзакционных расходов подробно описана в статье Goal-based portfolio selection with fixed transaction costs.
Очистке данных по криптовалютам для более точной оценки корреляций посвящено исследование Denoising Complex Covariance Matrices with Hybrid ResNet and Random Matrix Theory: Cryptocurrency Portfolio Applications.
Вопрос справедливого распределения выплат в резервных фондах рассматривается в работе Compensation-based risk-sharing.
Новые методы в финансах
Появляются нестандартные подходы к расчёту и моделированию финансовых инструментов. Расчёт деривативов через редкие рыночные события представлен в статье Adaptive Multilevel Splitting: First Application to Rare-Event Derivative Pricing.
О применении квантовых алгоритмов к ценообразованию опционов идёт речь в исследовании Quantum Machine Learning methods for Fourier-based distribution estimation with application in option pricing.
А генерация синтетических биржевых данных для тестирования торговых моделей подробно описана в работе TABL-ABM: A Hybrid Framework for Synthetic LOB Generation.
Что дальше
Ожидается рост числа гибридных моделей, в которых машинное обучение сочетается с классическими финансовыми теориями. Важным направлением станет объяснимость моделей и объединение разнородных данных — цен, новостей, индикаторов и рыночных событий.
Также усиливается интерес к квантовым вычислениям и аналитике в области DeFi.
Все материалы основаны на свежих научных публикациях и препринтах.
__________________________________________________________________________Пишу про автоматизацию трейдинга и умные инструменты. Подписывайтесь на мой Telegram-канал, чтобы не пропустить ничего интересного!