OrderFlowDiT：用于概率性限价单供给预测的传输正则化扩散Transformer
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。
#美股
这个范围的精选仍在积累。下面先阅读已收录的相关动态，达到精选标准的内容会单独标记。
最新相关动态
arXiv q-finAI 评分4444 arXiv q-finAI 评分6262 NoLBERT新闻主题与股票横截面收益：避免回测前视偏差的新闻文本预测研究
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。
QuantocracyAI 评分3131 Quantocracy 截至 2026 年 10 月 7 日的最新量化研究链接汇总
Quantocracy 汇总了截至 2026 年 10 月 7 日的最新量化研究相关链接，内容涵盖与 Robot Wealth 的 Kris Longmore 的访谈、美国大选前后多资产漂移效应分析、财报发布后的市场反应解读、标普 500 指数的“温水煮青蛙”动量策略回测。读者可访问 Quant Mashup 查看最新链接内容。
QuantpediaAI 评分5252 美国联邦选举前后的多资产漂移交易研究
Quantpedia分析师Cyril Dujava发布研究，基于2000-2024年共13次美国联邦选举样本，覆盖XLK、SPY、IYR、IEF、EEM、GLD。