Fine-Tuning an Order-Flow Foundation Model for Sub-Second Forecasting
说明基于订单流基础模型微调的亚秒级价格预测
简介该论文先在Bitstamp和Bitfinex两家加密货币交易所的Level-3订单流数据上预训练了一个3亿参数的生成模型，再对其微调以预测微价格收益及其已实现波动率。结果显示，微调后的模型在亚秒级预测微价格收益方面优于基于手工特征的梯度提升等经典基线，且预测能力可零样本迁移到未微调过的资产上。
本页没有符合条件的条目（筛选只在本页内进行）。
Tabular Foundation Models in Financial Predictions
说明表格基础模型在金融预测中的应用
简介本文将表格基础模型（TFM）引入会计研究，并以预测企业下一年度盈余变化这一常见基准任务评估其表现。TFM 在上下文中学习，无需发布后训练或调参，且在合成表格数据上预训练，避免了记忆企业结果带来的前瞻偏差。结果显示，Google Research 的 TabFM 精度高于所有对比模型，速度和计算强度也优于微调的大语言模型；部分树模型预测更快，精度与速度需要权衡。作者认为 TFM 有望成为会计与金融预测的新工具，但评估仅基于单一任务。
Making sense of rule 605
说明解读规则605：券商与做市商月度执行报告的分析
简介本文分析了做市商Virtu与经纪商SoHo在2021年1月至2024年3月期间的月度报告。研究发现，线性回归和LSTM等标准方法对股票订单概率分布的预测能力较弱，尽管这些概率分布相对稳定。然而，月与月之间的相关性高度稳定且可预测。论文研究了券商依据监管要求报告的26项股票交易参数所形成的16组数据集的分布。
Choosing Complexity: Cognitive Ability, Overconfidence, and Task Choice
说明选择复杂度：认知能力、过度自信与任务选择
简介本文通过理论模型与实验研究，考察认知能力和过度自信如何影响人们在不同成功—报酬权衡的复杂任务之间的选择。结果显示，认知能力较高者更倾向选择复杂任务，在控制认知能力后，过度自信者也更常选择复杂任务。约75%的决策中，受试者选择了使报酬最大化的任务，但错误选择几乎都是选择了过于复杂的任务。作者建议组织在提供任务菜单和激励的同时，提供帮助工人评估自身能力与成功概率的信息和反馈。
Dynamic investment and coordination in teams: Theory and experimental evidence
说明团队中的动态投资与协调：理论与实验证据
简介本文首次系统分析团队特定技能的动态投资问题。作者构建了动态博弈理论框架，其中对团队技能的投资带来持续收益，但收益依赖于团队能否成功协调，因此存在风险。通过实验室实验，研究发现实际投资低于效率基准，但投资对激励反应明显，并与理论预测的模式一致。预先登记的特质（心智理论和协调倾向）可预测投资水平与团队效率。