基于机器学习的高频交易算法设计
摘要：基于深度学习中的迭代优化和激活函数，我们提出了一种新的高频交易信息的分析框架，该框架减少了在VPIN（Volume-synchronized probability of Informed Trading）组装中的结构损失，同时使用了广义自回归条件异方差（GARCH）和支持向量机（SVM）以充分利用订单簿信息。在市场做市交易中的回报获取过程中，揭示高维时间序列投影中离散维度数据之间的关系将显著提高模型效果。VPIN将预判市场流动性，并通过对CSI300期货回报的回测验证了其有效性。
作者：Boyue Fang, Yutong Feng
论文ID：1912.10343
分类：Trading and Market Microstructure
分类简称：q-fin.TR
提交时间：2019-12-24