作為一個計算機系的金融研究者，這里發(fā)幾篇讀過的高頻交易相關論文，大家可以參詳一下其中的算法。首先我必須說，前面有一個回答者說關鍵是模型，得到了0贊同，對這個現(xiàn)象我表示非常欣慰，哈哈。　　reinforcement learning for optimizied trade execution　　試圖解決在一個給定的時間間隔內(nèi)以較小的花費買入給定量的某股票的問題。用的是經(jīng)典的reinforcement learning的方法。這篇文章最大的貢獻是如何將交易的問題轉(zhuǎn)化成一個reinforcement learning可以解決的形式，以及如何構建特征。　　2. censored exploration and the dark pool problem　　我覺得這篇文章非常好。現(xiàn)在有很多交易都是在暗池（dark pool）中進行的。向某個暗池提交v股的交易量，如果實際成交量小于v，我們知道其容量；而如果實際交易量就是v，則只能知道其實際容量是大于v的。假使在某時刻，我們需要在K個暗池中交易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，因為它所涉及的問題，其實跟贊同數(shù)最多的回答中提到的冰山算法的問題形式幾乎相同，也就是說這個兩個問題是共通的。坦率地說，這是一個水論文的好機會。

{來源 m.weiqiv.net.cn }