Новые исследования по алгоритмической торговле – неделя 19-26 января
Разбираем свежие научные работы по алгоритмической торговле и анализу данных. Каждую неделю мы просматриваем сотни статей и выбираем ключевые. Вот что стоит внимания на этой неделе.
Алгоритмическая торговля
Основной фокус — эффективность интрадейных стратегий и их оптимизация. В работе A Learnable Wavelet Transformer for Long-Short Equity Trading and Risk-Adjusted Return Optimization предложена модель WaveLSFormer. Она использует вейвлет-анализ (способ обработки сигналов) и показывает доходность с высоким Sharpe ratio — 2.157 ± 0.166.
Другое важное исследование — Market Making and Transient Impact in Spot FX. В нём изучается, как краткосрочные рыночные движения (транзиентный импакт) влияют на эффективность маркет-мейкинга в валютных парах.
Прогнозирование временных рядов
Много работ сосредоточено на анализе временных рядов, особенно в финансах и медицине. В статье Demystifying the trend of the healthcare index: Is historical price a key driver? исследуются индексы здравоохранения. Авторы используют подход nowcasting — прогнозирование на основе самых свежих данных — и получают высокую точность предсказаний.
В работе Brownian ReLU (Br-ReLU): A New Activation Function for a Long-Short Term Memory (LSTM) Network предлагается новая функция активации для LSTM-сетей (нейросетей, предназначенных для анализа последовательностей). Она показывает лучшие результаты при работе с финансовыми временными рядами.
Машинное обучение в финансах
Станет ли ИИ по-настоящему надёжным инструментом? В статье Look-Ahead-Bench: a Standardized Benchmark of Look-ahead Bias in Point-in-Time LLMs for Finance анализируется проблема look-ahead bias — ситуации, когда модель фактически «подглядывает» в будущие данные при обучении. Авторы предлагают стандартизированный бенчмарк, позволяющий выявлять такие ошибки.
Что дальше?
Скорее всего, исследования будут развиваться в сторону гибридных моделей — сочетания трансформеров и классических методов анализа данных. Также внимание всё больше будет смещаться на устойчивость алгоритмов в условиях нестабильных и нестационарных рынков.
Если есть вопросы по конкретным работам — пишите, обсудим. Подписывайтесь на мой Telegram-канал, чтобы не пропустить ничего интересного!