US equities
PulseAugur coverage of US equities — every cluster mentioning US equities across labs, papers, and developer communities, ranked by signal.
-
研究发现 Mamba-3 模型可学习市场微观结构动态
一项新研究探讨了状态空间基础模型(特别是 Mamba-3)在处理美国股票限价订单簿数据时的内部机制。研究人员发现,这个拥有 820 万个参数的模型会形成对市场动态的内部表征,包括订单流失衡,并且该表征可以高精度地解码并泛化到未见过的股票。该模型的学习表征也是因果可控的,表明它形成了市场行为的初步世界模型。
-
深度学习集成在算法交易中实现51%的年化回报
一篇新的研究论文探讨了深度学习技术在算法交易中的应用,重点是改善美国股票的信号生成。该研究使用贝叶斯优化训练了包括XGBoost和TabNet在内的五种模型类别,以提高在不同市场状态下的性能。结果表明,结合XGBoost和TabNet的混合集成模型实现了2.44的夏普比率和51.26%的显著年化回报,优于单个模型,并展示了在各种市场条件下的稳健泛化能力。
-
新研究解决了时间序列基础模型的训练和评估挑战
两篇新研究论文探讨了时间序列基础模型(TSFM)的训练和评估挑战。第一篇论文介绍了 ORBIT,一种新颖的训练范式,旨在控制分布特性,如领域不平衡和上下文需求,并用一个名为 Falcon-2.0 的 Transformer 模型证明了其有效性。第二篇论文在预测金融数据时,识别出 TSFM 中一种称为“预测崩溃”的现象,即预测变得平坦且排名不佳,并提出了一种新的目标函数 CalibRank 来解决这个问题。
-
海外投资者推动美国股市AI敞口创纪录资金流入
Apollo Global Management首席经济学家Torsten Slok表示,净外国资金流入美国股市已达到创纪录高位。这一激增主要归因于海外投资者寻求人工智能领域的敞口,他们认为本国市场缺乏此类机会。
-
汇丰策略师预计结构性因素将推动股市持续增长
汇丰策略师Max Kettner认为,由于支撑估值走高的结构性因素,股市可以在没有特定催化剂的情况下继续上涨。他指出,全球经济增长和稳定的利润率是盈利的关键驱动因素。Kettner目前倾向于增持美国和亚洲股票。
-
新的ReSGA模型以数百万个参数增强金融风险预测能力
研究人员开发了ReSGA,一个旨在提高在险价值(VaR)和预期损失(ES)预测准确性的新型超大尾部风险模型。该模型拥有数百万个参数,利用了美国股票的大量横截面和时间数据。在样本外测试中,ReSGA的表现优于其他十二个模型,证明了其在金融风险管理方面的有效性。