本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明股票组合的可解释配置与模型预测再平衡：在真实与模拟市场上的检验
简介论文提出一套同时解决选股、择时和策略稳健性的股票组合系统，在373只美股上以2014至2024年数据校准，并于2025年1月至2026年9月进行交易测试。系统结合选股规则、多种权重规则和带约束的份额配置，并用模型预测控制器按预测区间、回撤止损等条件重新规划。作者还在分层隐马尔可夫模拟市场上测试以考察更深的下跌情形。
说明TensorLOB：面向限价订单簿预测的保结构张量学习模型
简介限价订单簿记录多个价位上未成交的买卖订单，其状态随时间在买卖方向、价位和订单属性等维度上变化。本文提出TensorLOB，完全在张量域中进行建模，用逐模态张量收缩提取特征，并用低秩类别权重张量进行预测，保留时间、方向、价位和属性各模态的不同作用。在FI-2010基准上的实验显示，TensorLOB在四个评估时间跨度上的准确率、召回率和F1分数均最高。
说明羊群效应还是抢单竞争？解析链上市场中跨账户订单流的持续性
简介论文研究去中心化交易所中成交方向自相关的来源。作者指出，既有研究把跨钱包交易的相关性全部归因于羊群效应，但这一占比混合了两个量：同一账户连续下单的概率，以及跨账户与同账户符号相关性之比κ。在 Uniswap v3 USDC-WETH 的两周数据中，κ只有0.05至0.10，而链上限价订单簿中κ为0.72至0.76，相关性主要集中在相隔几个区块的订单之间，多由抢先在中心化交易所价格上成交的竞争所致。
说明超越二元检测：金融问答中按类型分析幻觉并进行分层检测
简介该论文基于由美国SEC文件构建的长文本基准PHANTOM，研究大语言模型在金融问答中的幻觉检测。作者按九类金融幻觉分别评估检测器，发现其二元准确率为80.2%，但子类型准确率仅为44.7%，且漏检率因类别而异。据此提出两阶段分层检测器，先判断是否为幻觉，再判定其子类型，使二元准确率提高到95.6%，子类型准确率提高到56.1%。
说明一个由大语言模型组成的评分小组如何给2024年欧盟选举政党纲领的环保立场打分
简介论文提出用三个来自不同机构的大语言模型组成评分小组，逐句评估政党纲领在环境保护和气候变化两个维度上的立场与重视程度，再汇总到纲领层面。研究覆盖2024年欧洲议会选举的41份纲领，并以专家调查结果对25个政党进行了验证。该方法与专家调查和人工编码互补，提示和代码已公开。