量化投资学习——market making系列论文解读

量化投资学习——market making系列论文解读

time base 时间切分
price base 按照价格来切分
value base 有价钱变化和量的变化

（三个参数关键进行预测，所有的参数都是时间的function）
r
sigma 波动率
k 到达率，流动性 （都是t的函数，和时间有关系，9：30-15：00）
【在估计参数的时候，我们按照大中小盘，对单个的股票的曲线进行修正】

spread的张开和缩小这个其实也可以进行预测

A股波动率，交易量和波动率也是相关的
（数字货币每个交易所的分布都不一样，从周一到周日的分布也不一样）
（A股的分布也是从周一到周五的不一样，因为消息来，消息来都会导致一个jump；中国来了一个消息，会出现一个jump（由于证监会的监管））
机器学习 look up table（根据时间，根据日历效应来对参数做一个查询，然后在做一个修正）

美国尾盘 波动率微笑 翘的厉害
中国 波动率微笑 对称
（波动率微笑 历史数据来统计）

系列论文，最后一篇最完整，close form最完整，最复杂

kaggle optiver 波动率预测比赛（特征工程）
预测目标：预测收益率和真实收益率的夹角（IC，其实可以这么理解）

对不同的方向（涨跌平）进行设置权重

预测最近的收益比较准，但是应该做的事叫做价格分解模型
价格变与不变，价格向上或者向下，价格向上或者向下走了多少
（阶跃方程？）
可以克服0，1的问题
使用金融工程的工具，把序列拆分成stationary的部分，使用机器学习来学习stationary的部分

zhang：close form，还有deeplob预测两百毫秒

1.数据清洗
2.naive baseline（历史的平均 不一定能打得过）
3.实验 setting
4.feature engineering

在公式上的小trick，小的数值