WWW 2023 | 量化交易相关论文（附论文链接）

写在前面

国际万维网会议（Proceedings of the ACM Web Conference，简称 WWW）是互联网技术领域最重要的国际会议之一。今年的 WWW 将在美国德克萨斯州举行。本届会议共收到了1900篇论文，接收365篇，录用率为19.2%。本文介绍了WWW 2023中收录的几篇量化交易相关的论文。

论文标题：

Know Your Transactions: Real-time and Generic Transaction Semantic Representation on Blockchain & Web3 Ecosystem

作者单位：

中山大学

论文链接：

https://dl.acm.org/doi/pdf/10.1145/3543507.3583537

代码链接：

https://github.com/wuzhy1ng/MoTS

研究内容：

Web3，基于区块链技术，是日益发展的价值交易的下一代互联网。Web3中有大量活跃的应用程序，例如DeFi和NFT，通常依赖区块链交易来实现价值转移以及复杂和多样的自定义逻辑和意图。在区块链生态系统中，目前犯罪行为，如金融诈骗，攻击和洗钱等恶意行为，已经普遍存在，因此重要的是了解匿名交易的意图。为了揭示交易的意图，已经大量努力投入了从特定专家经验中提取某些特定交易语义的方法。然而，现有方法在效果和一般性方面存在限制，使得在快速增长和发展的Web3生态系统中提取各种交易语义很难。在本文中，作者提出了一种基于行为模式的交易语义表示方法(Motif-based Transaction Semantics representation method, MoTS)，可以在实时交易数据流中捕捉交易语义信息。截至我们所知，MoTS是Web3区块链生态系统中第一个通用的语义提取方法。实验结果表明，MoTS可以有效地区分不同的交易语义，并可用于各种下游任务。

模型框架

论文标题：

Platform Behavior under Market Shocks: A Simulation Framework and Reinforcement-Learning Based Study

作者单位：

哈佛大学

论文链接：

https://dl.acm.org/doi/pdf/10.1145/3543507.3583523

代码链接：

https://github.com/XintongEmilyWang/platform_foundation

研究内容：

这篇论文研究一个经济平台（如亚马逊、Uber、Instacart）在冲击下的行为，如COVID-19封锁，以及不同的监管考虑的影响。为此，作者开发了一个平台经济的多代理模拟环境，在这个环境中，冲击可能发生并扰乱经济。买家和卖家是异质的，被建模为有经济动机的代理人，选择是否支付费用以进入平台。作者使用了深度强化学习来模拟平台的费用设定和匹配行为，并考虑两种主要的监管框架：（1）税收政策和（2）平台费用限制。作者提供了一些模拟实验，涵盖了不同的市场环境，并揭示了监管权衡的问题。模拟实验的结果表明，虽然许多干预措施对复杂的平台行为者是无效的，但确定了一种特殊的监管，即将费用提高到最佳的无冲击费用，同时仍然允许平台选择如何匹配买家和卖家，是有希望促进经济系统的效率和鲁棒性的。

实验结果

论文标题：

Show me your NFT and I tell you how it will perform: Multimodal representation learning for NFT selling price prediction

作者单位：

卡拉布里亚大学

论文链接：

https://dl.acm.org/doi/pdf/10.1145/3543507.3583520

研究内容：

不可伪造代币（NFTs）代表了基于区块链技术和智能合约的数字艺术形式（如艺术品或收藏品）的独特加密资产的所有权契约。在2021年暴涨后成为焦点，NFT吸引了加密货币爱好者和投资者的注意，他们打算在这个可观的市场上进行有前景的投资。然而，到目前为止，NFT的财务业绩预测还没有得到广泛的探讨。在这项工作中，作者根据NFT图像及其文本描述是预测NFT销售价格的基本代理的假设来解决上述问题。为此，提出了MERLIN，一个新颖的多模态深度学习框架，旨在训练基于Transformer的语言和视觉模型，以及图神经网络模型，在NFT的图像和文本集合上。MERLIN的一个关键方面是它对金融特征的独立性，因为它只利用对NFT交易感兴趣的用户想要处理的主要数据，即NFT图像和文本描述。通过学习这些数据的密集表征，MERLIN模型执行价格类别分类任务，在推理阶段也可以根据用户的偏好进行调整，以模仿不同的风险-回报的投资利润。在一个公开的数据集上进行的实验评估表明，MERLIN模型在几个财务评估标准上取得了显著的表现，促进了可持续的投资，也击败了基于财务特征的机器学习分类器。

模型框架

论文标题：

Is your digital neighbor a reliable investment advisor?

作者单位：

卡耐基梅隆大学

论文链接：

https://dl.acm.org/doi/pdf/10.1145/3543507.3583502

研究内容：

网络和社交媒体平台已经极大地改变了投资者产生和消费金融建议的方式。从历史上看，个人投资者往往依赖通讯和相关的招股说明书，并以其发行人的声誉和业绩为后盾。如今，金融建议经常由匿名或假名的人在网上提供，而这些人的利益几乎不受影响。因此，一个很自然的问题是，调查这些现代金融 "信息员 "是否真诚地运作，或者他们是否可能故意误导他们的追随者。为了开始回答这个问题，我们从一个非常大的加密货币衍生品交易所获得数据，从中得到个人交易头寸。该平台上的一些投资者将个人资料链接到推特。因此，我们能够比较在他们在推特上公开支持的立场和在市场上实际采取的立场。我们发现：1）Twitter上坚定 "看涨 "的投资者在市场下跌时，往往在自己的交易中采取温和得多，甚至完全相反的立场；2）他们的追随者倾向于使自己的立场与Twitter上看涨的前景一致；3）另一方面，Twitter上温和派（以及他们自己的追随者）与他们的实际投资策略更为一致。换句话说，虽然社交媒体上的建议可能试图在信仰相同的人之间培养一种友情，但现实是，这只是一种假象，这可能会导致盲目听从建议的人遭受财务损失。

显示了2021年4月1日至5月31日期间，以#HODL标签为主题的每日推文数量以及比特币价格。这些推文在比特币价格下跌期间出现得更频繁，即#HODL被用来倡导在经济低迷时期做多

《人工智能量化实验室》知识星球

加入人工智能量化实验室知识星球，您可以获得：（1）定期推送最新人工智能量化应用相关的研究成果，包括高水平期刊论文以及券商优质金融工程研究报告，便于您随时随地了解最新前沿知识；（2）公众号历史文章Python项目完整源码；（3）优质Python、机器学习、量化交易相关电子书PDF；（4）优质量化交易资料、项目代码分享；（5）跟星友一起交流，结交志同道合朋友。（6）向博主发起提问，答疑解惑。