HFT相关论文

最新推荐文章于 2024-04-21 20:34:11 发布
最新推荐文章于 2024-04-21 20:34:11 发布
阅读量167 收藏 2
点赞数 1
分类专栏： quantative trading 文章标签： 神经网络 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47368014/article/details/109174117
版权
标题内容SourceYear
Risk Metrics and Fine Tuning of High Frequency Trading Strategies2012
Applied Stochastic Control in High Frequency and Algorithmic TradingToronto U., Phd Thesis2014
Stochastic Control Theory and High Frequency TradingKnight Capital2010
Dealing with the Inventory Risk2012
Modeling Stock Order Flows and Learning Market-Making from DataReinforcement Learning, HMMMIT2002
High-Frequency Trading in a Limit Order BookNYU2007
Market Making and Mean ReversionOrnstein-Uhlenbeck ProcessUPenn2011
An Intelligent Market Making Strategy in Algorithmic TradingOrder Book Pressure, New Event Driven2014
m夏尔
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
细粒度文本分类相关论文推荐
lynne233
06-16 1202
导读 前一段时间在研究实体识别的任务，因为标签的设计觉得细粒度文本分类应该会对任务的效果有所提升，于是搜集了一些细粒度文本分类的论文，本文将是对这些论文的总结和思考。本文将简单介绍论文中模型的结构和设计思路，具体的一些细节在之前的文章中我们有详细介绍，如果有兴趣大家可以点击相关链接。 背景 实体分类是对一篇文章中的实体进行分类的任务，例如"《秘密森林》由韩国演员曹承佑和裴斗娜主演"中曹承佑作为实体的标签就是"演员"。实体分类通常会在关系抽取，机器翻译，知识问答等任务中起到关键作用。目前比较常见的有关N
CVPR 2019视频描述（video caption）相关论文总结
sinat_35177634的博客
04-27 8293
CVPR 2019视频描述（video caption）相关论文总结 前几年的video caption论文总结如下： https://blog.csdn.net/sinat_35177634/article/details/88568491 Streamlined Dense Video Captioning 这篇论文严格来讲是属于video caption的一个分支dense video ca...
The Accidental HFT Firm
savagesong2006的博客
09-18 369
The Accidental HFT Firm - 那篇神奇文章(part1) 关于链上抢跑预测（MEV）和链上高频交易的那个神奇的Blog，后来删了宝贵的内容； 只留下了这个，其翻译供参考。 # Kimura Akira， 版权是原作者的，没找到其名字。
ccch的论文笔记（第一弹）：《Neural Attentional Rating Regression with Review-levelExplanations》
最新发布
weixin_48253773的博客
04-21 1135
NARRE模型，即Neural Attentional Regression model with Review-level Explanations（神经注意力回归模型与评论级解释），是一个旨在提高推荐系统性能和解释能力的研究工作。目标：NARRE模型旨在预测用户对商品的评分，并同时评估每条用户评论的有用性，以便选择对其他用户决策有帮助的评论。注意力机制：模型利用神经网络中的注意力机制来自动为每条评论分配权重，这些权重反映了评论对预测用户评分和商品特征表示的贡献。评论处理。
高频金融数据的研究现状及展望-论文.zip
08-18
这篇论文将探讨高频金融数据的特性、应用、挑战以及未来的研究方向。 **一、高频金融数据的特性** 1. **实时性与精确性**：高频数据提供了近乎实时的市场信息，精度可达到毫秒级别，这使得研究人员能够更准确地...
基于HFT函数的智能交通系统.pdf
09-09
《基于HFT函数的智能交通系统》这篇论文主要探讨了如何利用高频傅里叶变换（High Frequency Transform，简称HFT）函数来提升智能交通系统的效能。智能交通系统是一种结合了信息、通信、控制和计算机技术的新型交通...
HFT-CNN:基于分层类别结构的卷积神经网络的多标签短文本分类
05-04
平面模型：平面非分层模型没有微调（WoFt）模型：分层模型但没有微调分层微调（HFT）模型：分层和微调模型XML-CNN模型[ ] 如果您在研究中使用此代码的任何部分，请引用我的论文： @inproceedings{HFT-CNN, title={...
螺旋锥齿轮机床五轴联动数学模型创成算法 (2011年)
05-25
用麦克劳林级数拟合机床各轴的非线性运动方程,推导出螺旋锥齿 轮制造最复杂的工艺方法即 HFT(Hypoidformat tilt)加工方法下螺旋锥齿轮机床五轴联动数学模型。由 五轴联动运 动方程在机床坐标系下虚拟制造准双曲面...
含过渡曲面的准双曲面齿轮精确三维几何建模方法 (2010年)
05-14
针对用HFT（hypoid gear f0rmate tilt）法加工的准双曲面齿轮，根据齿轮的实际加工过程和啮合原理，通过传统机床各运动部件的齐次坐标变换，推导了齿面方程和过渡曲面方程，得到准双曲面齿轮齿面精确数学模型的解析...
BTC合约手续费计算
weixin_47368014的博客
11-02 2860
假设：Exit Price = $11000 交易所 Taker Maker 订单名义价值（示例） 手续费 (Taker) BMex 7.5 -2.5 $10000 0.000682 BTC Huobi Futures 反向 5 2 $10000 0.000455 BTC Huobi Futures 正向 4 2 1BTC $4.4 Binance 正向 7.5 7.5 1BTC $8.25 注： 表中Taker/Maker费率单位为1bp=1/10000 ，即万分之一 （
价格时序预测-LSTM
weixin_47368014的博客
02-06 2274
价格时序预测-LSTM LSTM原理 LSTM是一种有监督神经网络。在普通的RNN模块里增加一个“短期记忆”模块，使得神经网络能够对基于“很久之前”曾经看到过并重复出现的“时域特征片段”作出预测上的修正。一个简单的应用是利用文本里的相距比较远的“上下文”作更好的文本分析。 LSTM是最新的受到广泛应用的有监督神经网络之一。 LSTM基本使用原理 网络的表达能力（层数&每层节点数）需要和数据量匹配，否则非常容易出现Overfitting。LSTM的“表达能力”非常出众。同时
Bracket Order Strategy 止盈止损组合订单策略
weixin_47368014的博客
09-29 1210
All successful trading involves 3 key elements: Edge Size Variance Trading edge relies on either trader’s talent or instinct; size is the amount you wish to invest in a trade; and variance is the market volatility measure. Simplest way (not ideal) of way
正向合约&反向合约仓位价值变化计算
weixin_47368014的博客
10-18 1120
import pandas as pd p = 10000 slr = -0.005 # stop loss tpr = 0.01 # take profit side = -1 # long (1) or short (-1) rows = [] # Inverse contract sl = p/(1-side*slr) tp = p/(1-side*tpr) rows += [{'sl': '{:.2f}'.format(sl), 'p0': '{:.2f}'.fo
几何布朗运动 GBM in Python
weixin_47368014的博客
10-09 795
""" gbm_sim.py """ import numpy as np class GBM(object): ''' classdocs ''' def __init__(self, count_path=10, years=1): S0 = 100. r = 0.05 sigma = 0.50 T = 1 N = 252*years i = count_path
DL Keras/Tensorflow/Keras-rl/Gym/Python
weixin_47368014的博客
08-28 694
DL Keras/Tensorflow/Keras-rl/Gym/Python背景环境CartPole 背景 Keras封装了TensorFlow；Keras-rl封装了Reinforcement Learning这部分的功能；OpenAI Gym则模块化了Tensorflow&Keras里的Environment这个概念，使得“应用和算法隔离”这个思想有了具体的实现，Gym的Env可以直接怼进sKeras/Keras-rl的Agent里。由于TensorFlow的发展到2.0时代，只有Python
资产配置风险计算(Portfolio Risk Analysis)
weixin_47368014的博客
10-07 532
投资组合风险分析
BMex反向合约盈亏计算
weixin_47368014的博客
10-14 435
import os,sys import logging import numpy as np import pandas as pd pd.set_option('display.width', 1000) pd.set_option('display.max_rows', 500) ENTRY = 11440 POSITION = -500 LEVERAGE = 3 FX_RATE_RMB_USD = 6.9 WALLET = 0.0978 # BTC STEP = 10 N = 50 ST
Algo Trading：简单的等间距网格下单
weixin_47368014的博客
11-21 432
class SplitPricer(Pricer): def __init__(self, pdesc, bid, ask): super().__init__(pdesc) self.bid = bid self.ask = ask def price(self)->list: lb = self.ask if self.pdesc['LB']=='ASK' else Decimal(self.pdesc['LB'])
typedef struct HFT { int weight; int parent, LTree, RTree; }HFT, *PHFT; 讲解代码‘
06-02
这段代码定义了一个结构体 `HFT`，其中包含以下成员变量： - `weight`: 权重，表示哈夫曼树节点的权值。 - `parent`: 父节点在数组中的下标。 - `LTree`: 左子树在数组中的下标。 - `RTree`: 右子树在数组中的下标...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值