数据驱动的套利策略的混合 Ridgelet 深度神经网络
最优化与控制
2025-10-14 v1
摘要
本研究提出一种新型模型框架，将深度神经网络与 Ridgelet 变换集成。Ridgelet 变换对布尔可测函数进行操作，用于高维稀疏结构的套利检测。该变换还增强了神经网络的表达能力，使其能够捕捉复杂的高维市场结构。理论上，我们通过优化混合 Ridgelet 深度神经网络来确定盈利的交易策略。进一步，我们强调激活函数在不确定性下确保稳定性和适应性的作用。我们使用高性能计算集群进行跨多资产的套利检测，确保可扩展性和处理大规模金融数据的能力。实证结果表明，在涉及最高 50 个资产的各种情景下，所提方法均表现出强大的盈利能力，在市场波动期间表现尤为稳健。
引用
@article{arxiv.2510.10599,
title = {Hybrid Ridgelet Deep Neural Networks for Data-Driven Arbitrage Strategies},
author = {Bahadur Yadav and Sanjay Kumar Mohanty},
journal= {arXiv preprint arXiv:2510.10599},
year = {2025}
}