研究称比特币经典价格周期指标逐步失效,减半时钟仍保持稳定
Quantpedia 解读 Josh Molnar 发表于 SSRN 的论文,指出 MVRV、Mayer Multiple、Pi Cycle Top 等经典比特币周期信号随价格波动幅度收窄逐步失效,三个成熟周期顶部分别出现在对应减半后 525、546、534 天。
Quantpedia 解读 Josh Molnar 发表于 SSRN 的论文,指出 MVRV、Mayer Multiple、Pi Cycle Top 等经典比特币周期信号随价格波动幅度收窄逐步失效,三个成熟周期顶部分别出现在对应减半后 525、546、534 天。
Quantocracy 汇总了截至 2026 年 10 月 18 日的最新量化研究相关链接,内容涵盖趋势跟踪、期货主数据构建、样本内外夏普比率折损、流动性对股票收益与期权定价的影响、加密货币横截面趋势因子等方向。其中一项基于 12 种商品期货的研究显示,10 年回测的样本内夏普比率在新数据上的预期留存比例为 30%。
一项针对2016至2022年欧洲企业样本的研究,结合面板回归、机器学习与可解释AI方法,发现董事会性别多元化与排放绩效呈非线性关系:当女性董事占比达到约22%的最低阈值时排放绩效开始显著改善,占比升至约35%的最优水平后,继续提升女性董事比例不会进一步改善排放绩效。
该论文聚焦混合动力学(粗糙波动率与无限变差 Lévy 过程)对平值期权隐含波动率偏斜与曲率的影响,通过分析二者短时展开的主导项,可从混合动力学模型中判定偏斜与曲率幂律行为的起源机制。论文证实混合模型同样会产生幂律关系,相关结论对模型设计与校准具有关键意义,并给出了带 CGMY Lévy 跳跃的粗糙 Heston 模型的数值证据。
研究显示大语言模型定价智能体可脱离同质商品市场中价格趋近边际成本的重复Bertrand竞争基准,其表现取决于部署决策。LLM定价智能体在自博弈中能否维持高于边际成本的价格,与是否直接基于包含对手价格的原始市场历史逐期定价、还是基于自身利润摘要历史定期输出概率分布的部署选择直接相关。
研究团队基于强化学习构建理性套利者、操纵者、散户跟风者三类交易智能体行为模型,在小时级加密货币数据(AAVE、ETC、SUI)上开展试点研究。结果显示不同智能体的行为特征会对市场压力、流动性、波动率及风险调整后收益产生差异化影响,研究结论支持针对不同行为类型制定差异化监管规则,而非统一限制波动率或换手率。
研究人员提出OrderFlowDiT,这是一种采用非平衡最优传输(UOT)辅助损失训练的条件扩散Transformer,用于预测未来五分钟限价单提交量的条件分布。在覆盖30只美股的1950个验证条件下,相比仅使用均方误差训练,加入UOT可将全字段传输成本降低45.8%,传输能量得分降低26.1%,且每只股票的两项指标均有提升。
该研究针对凹幂律冲击与Hurst标度价格波动下的交易执行问题展开分析,通过最大化交易已实现盈亏的夏普比率确定最优执行周期,明确了存在内部最优解的条件。研究推导得出的执行计划可在同等时长下相比TWAP计划节省10-17%的包络成本,相关成果发布于arXiv。
一项针对模拟抵押借贷市场的实验显示,共享行动排序会显著影响LLM借款人的已执行信贷规模。实验设置12个普通订单市场与12个均衡订单市场,采用精确随机检验得出双侧p值为2/8100,加杠杆优先与去杠杆优先的普通订单市场信贷差异为1.12单位初始未使用参考借贷容量。所有24个市场均未发生清算或实际坏账,固定价格30%冲击基准下多数核销来自清算奖金消耗的抵押品。
该研究探讨了随机积分约定参数 α 取 0、1/2、1 时,分别对应 Itô、Stratonovich、Hänggi-Klimontovich 约定下的 Merton 消费-投资问题。研究发现,若同步变换漂移项,最优投资策略不受约定选择影响;若固定漂移系数数值,投资者的机会集将发生变化。在对数效用下,消费决策不受影响,最优组合权重会发生偏移,仅靠收益数据无法识别随机积分约定。
这篇arXiv论文提出仅用1976至1995年文本预训练的NoLBERT编码器,在2012至2024年的126万篇新闻上与LDA、MiniLM、FinBERT对比,预测美股规模最大的1000只股票收益。
论文提出多变量状态依赖 Hawkes 过程(SDHP),用于建模荷兰 EPEX SPOT 日内连续市场中一刻钟与小时合约的跨产品流动性动态。模型基于 2024 年各季度首月的三级订单簿数据校准,将交易时段划分为正常与压力两种状态。研究发现约 95% 的订单由自身订单流驱动,跨激励主要从一刻钟合约流向小时合约,压力状态下该主导性显著减弱。