自动化市场中的 AI 智能体
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。
研究方向
仓位、回撤、尾部风险与压力测试的方法。
7 条相关动态近 30 天 5 条其中精选 0 条
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。
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。
香港金管局于10月15日推出“ART”框架,以问责、韧性、信任为核心原则,支持银行业负责任地采用人工智能。该框架包含发布人工智能负责任采用的最新监管指引、联合搭建AI训练数据共享平台、推进智能体AI应用测试等举措。同期香港金管局与数码港合办为期两天的“金融+AI论坛”,标志着第二期生成式AI沙箱技术测试顺利完成。
作者在 Robinhood 2026 休斯顿峰会上参与期权买入教学与交易平台数据供应商圆桌,复盘了凯利准则配套课程、买入期权相对持有正股的盈亏对比逻辑,以及 INTC 异动期权流的分析思路。
Moontower 作者 Kris Abdelmessih 发布本期通讯,先分享 Adam Mastroianni 关于“厚度”的文章,区分需要投入注意力才能挖掘价值的深度作品与无实质内容的 AI 生成“slop”,随后从零分步推导凯利最优下注比例公式。
本文介绍了一套自动识别交易规则夏普比率结构断点的方法,采用独立t检验逐段比较子样本均值差异,递归拆分样本并要求每段子样本至少保留5年数据。作者提供了完整Python实现代码,以CORN期货的momentum4规则为例,算法自动识别出1982年8月26日为断点。
作者在 2026 年夏季组合优化系列第四篇中,用真实交易规则与工具收益数据回测了蒙特卡洛、自助法、双收缩、朴素均值方差、等权重、最大分散化和 EPO 等方法。每次随机抽取 9 条交易规则和一个工具,按 1、5、10 年样本内与 1、5 年样本外组合比较;结果显示真实数据下相关性估计比 Sharpe 比率更不稳定,需要更多相关性收缩,而不是更多 Sharpe 比率收缩。