基于多源注意力信号与透明评分的可解释市场完整性监控系统
风险管理
2026-01-23 v1 人工智能
机器学习
摘要
市场完整性监控面临困难，因为可疑的价格/成交量行为可能源于许多良性机制，而现代检测系统通常依赖难以审计和沟通的不透明模型。我们提出了 AIMM-X，一个可解释的监控流程，将从 OHLCV 时间序列导出的市场微观结构信号与多源公共注意力信号（如新闻和在线讨论代理指标）相结合，以凸显值得分析师审查的时间窗口。该系统使用透明的阈值设定与聚合方法检测候选异常窗口，然后分配一个可解释的完整性评分，该评分被分解为一小组加性分量，使从业者能够追溯窗口被标记的原因以及驱动评分的因素。我们提供了一个端到端、可复现的实现，用于下载数据、构建注意力特征、构建统一面板、检测窗口、计算分量信号，并生成汇总图表。我们的目标不是标记操纵行为，而是提供一个实用、可审计的筛查工具，以支持合规团队、交易所或研究人员的下游调查。
引用
@article{arxiv.2601.15304,
title = {An Explainable Market Integrity Monitoring System with Multi-Source Attention Signals and Transparent Scoring},
author = {Sandeep Neela},
journal= {arXiv preprint arXiv:2601.15304},
year = {2026}
}
备注
Preprint