В статье представлен комплексный подход к созданию и валидации торговых алгоритмов, направленный на снижение риска переобучения и повышение стабильности стратегий.
![На поперечном распределении скорректированного проскальзывания по 184 токенам выявлено, что 5% наиболее правосторонних токенов демонстрируют повышенный риск ликвидности, при этом значение [latex] \mathrm{SaR}^{\mathrm{adj}}(0.95)=3.47\% [/latex] служит порогом для определения этой зоны повышенного риска.](https://arxiv.org/html/2603.09164v1/figure1_slippage_distribution.png)
В статье представлена инновационная методика оценки рисков, связанных с исполнением крупных ордеров на бессрочных фьючерсах, основанная на анализе микроструктуры стакана заявок.
Новое исследование демонстрирует, как анализ матриц весов в нейронных сетях, обученных на финансовых данных, раскрывает скрытые структуры портфелей и связь с распределением богатства.
Новое исследование оценивает способность больших языковых моделей принимать обоснованные инвестиционные решения в условиях реальных рыночных задач.
![Иллюстрация демонстрирует, что стратегия хеджирования [latex]\Delta + \Gamma[/latex] для однодневных опционов колл, при использовании как точных, так и приближенных (DML) греческих значений, обеспечивает практически идентичное распределение прибыли и убытков в центральной области, однако при приближении гаммы хеджируемого опциона к нулю, данная стратегия может становиться нестабильной в критических ситуациях, о чём свидетельствует анализ функции кумулятивного распределения убытков (CCDF) на логарифмической шкале.](https://arxiv.org/html/2603.07600v1/figures/Hedge2_fixed_1222.png)
Исследователи предложили метод машинного обучения для более точной и быстрой оценки опционов с нулевым сроком истечения, учитывающий волатильность и скачки цен.