作為一個計算機系的金融研究者，這里發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以較小的花費買入給定量的某股票的問題。用的是經典的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，我們就需要根據歷史數據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 }