作為一個(gè)計(jì)算機(jī)系的金融研究者，這里發(fā)幾篇讀過(guò)的高頻交易相關(guān)論文，大家可以參詳一下其中的算法。首先我必須說(shuō)，前面有一個(gè)回答者說(shuō)關(guān)鍵是模型，得到了0贊同，對(duì)這個(gè)現(xiàn)象我表示非常欣慰，哈哈。　　reinforcement learning for optimizied trade execution　　試圖解決在一個(gè)給定的時(shí)間間隔內(nèi)以較小的花費(fèi)買入給定量的某股票的問(wèn)題。用的是經(jīng)典的reinforcement learning的方法。這篇文章最大的貢獻(xiàn)是如何將交易的問(wèn)題轉(zhuǎn)化成一個(gè)reinforcement learning可以解決的形式，以及如何構(gòu)建特征。　　2. censored exploration and the dark pool problem　　我覺(jué)得這篇文章非常好。現(xiàn)在有很多交易都是在暗池（dark pool）中進(jìn)行的。向某個(gè)暗池提交v股的交易量，如果實(shí)際成交量小于v，我們知道其容量；而如果實(shí)際交易量就是v，則只能知道其實(shí)際容量是大于v的。假使在某時(shí)刻，我們需要在K個(gè)暗池中交易V手股票，我們就需要根據(jù)歷史數(shù)據(jù)推斷哪些暗池的容量大，在這些暗池里我們就多投入。　　第二篇文章尤其值得注意，因?yàn)樗婕暗膯?wèn)題，其實(shí)跟贊同數(shù)最多的回答中提到的冰山算法的問(wèn)題形式幾乎相同，也就是說(shuō)這個(gè)兩個(gè)問(wèn)題是共通的。坦率地說(shuō)，這是一個(gè)水論文的好機(jī)會(huì)。

{來(lái)源 m.weiqiv.net.cn }