Тренды в алготрейдинге: главное за неделю (11-18 августа 2025)
Каждую неделю мы разбираем десятки, а иногда и сотни научных статей и препринтов по алготрейдингу и количественным финансам. Вот что интересно за последние 7 дней.
Прогнозирование временных рядов и цен на энергию
Методы прогнозирования временных рядов продолжают развиваться, особенно для работы с волатильными рынками. Одна из самых заметных работ недели посвящена временной иерархической прогнозировке (THieF). Этот подход позволяет согласовывать прогнозы для разных временных масштабов - например, часовых и дневных данных. В исследовании Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF) показано, что метод улучшает точность предсказания цен на электроэнергию в Германии на 13%.
Другая важная статья Dynamic Skewness in Stochastic Volatility Models: A Penalized Prior Approach предлагает усовершенствованные модели волатильности. Они учитывают асимметрию распределений и «тяжёлые хвосты» - характеристики, типичные для криптовалютных рынков.
Оптимизация портфелей: новые подходы
В управлении инвестиционными портфелями на этой неделе выделились два исследования. Первое Estimating Covariance for Global Minimum Variance Portfolio: A Decision-Focused Learning Approach описывает метод DFL (обучение, ориентированное на решение). Он показывает лучшие результаты по сравнению с классическими подходами при построении портфелей с минимальным риском.
Второе исследование AlphaAgents: Large Language Model based Multi-Agents for Equity Portfolio Constructions тестирует систему на основе языковых моделей для выбора акций. Многоагентный подход демонстрирует конкурентоспособные результаты при разных уровнях риска.
Ценообразование на неполных рынках
В области опционного ценообразования вышла работа Marketron Through the Looking Glass: From Equity Dynamics to Option Pricing in Incomplete Markets. Авторы расширяют модель Marketron для неполных рынков, где не все активы можно свободно купить или продать. Новый подход использует теорию полезности для калибровки модели и позволяет одновременно описывать динамику акций и кривые волатильности опционов.
Что дальше?
Судя по последним публикациям, в ближайшее время больше внимания будут уделять:
- Совмещению машинного обучения с классическими методами прогнозирования
- Учету особенностей данных (асимметрии, выбросов) в моделях
- Применению мультиагентных систем для сложных инвестиционных решений
- Развитию моделей ценообразования для неполных рынков
Все ссылки ведут на оригинальные исследования. Мы продолжаем следить за новыми работами и разберём ключевые тренды в следующем обзоре.
Пишу про автоматизацию трейдинга и умные инструменты. Канал: https://t.me/+yJV8l8j8gPk2MjFi