market-microstructure

OrderFlowDiT提出了一种带非平衡最优传输正则的条件扩散Transformer，用于预测未来五分钟限价订单簿的成交量-价格分布，相比MSE训练将全字段传输成本降低45.8%。

提出因果市场模拟器：一种基于因果先验训练的连续时间先验数据拟合网络，用于估计交易的因果市场冲击，显著缓解了经典 Almgren–Chriss 等回归模型在信息性流导致混杂时的偏差，并在模拟订单簿及 BTC/ETH/SOL 永续合约与纳斯达克股票数据上展示了正向的因果迁移证据。

ViperQ 是一个强化学习交易系统，它使用拍卖市场理论原语进行状态表示，在诸如 TSLA 和 NVDA 等股票的金融 Tick 数据回测中展示了高投资回报率（ROI）。

本文研究在 Almgren–Chriss 框架下，强化学习能否比传统的基于模型的方法更有效地发现价格操纵策略。结果表明，在中度波动且参数不确定的情况下，强化学习的表现优于基于模型的方法。