研究人员开发了一种新颖的方法，利用在专有纳斯达克数据上训练的机器学习模型来区分提供流动性和需求流动性的高频交易（HFT）策略。该方法生成了2010年至2023年美国股票的每日HFT指标，这些指标比标准代理指标更有效，并捕捉了先前未被发现的时间序列变化。该方法已通过泛欧交易所巴黎市场数据得到验证，证明了其跨市场通用性和预测能力。对14年数据集的分析表明，供应方HFT与增强的预公告信息获取和缩小的买卖价差相关，而需求方HFT则显示出相反的相关性。值得注意的是，在COVID-19大流行期间，HFT提供的流动性保持强劲，并且与较低价差的关联性有所增强。 AI
影响 增强了对市场动态和HFT策略的理解，可能为监管方法和交易算法提供信息。
排序理由 学术论文，详细介绍了使用机器学习分析金融市场数据的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
