Neural Hawkes：高维非参数估计与加密货币市场因果分析
交易与市场微观结构
2026-02-02 v3 数理金融
摘要
我们提出了一种新的标记 Hawkes 核推断方法，命名为基于矩的神经 Hawkes 估计方法。Hawkes 过程通过第二类 Fredholm 积分方程由其一阶和二阶统计量完全表征。利用利用物理信息神经网络求解偏微分方程的最新进展，我们提供了一种在高维下求解该积分方程的数值过程。结合适配的训练流程，我们提供了一组通用的超参数，可在各种核形状下产生稳健的结果。我们在模拟数据上进行了广泛的数值验证。最后，我们提出了该方法在加密货币市场微观结构分析中的两个应用。在第一个应用中，我们提取了交易量对 BTC-USD 交易到达率的影响；在第二个应用中，我们分析了集中式交易所中 15 个加密货币配对宇宙中的因果关系及其方向。
引用
@article{arxiv.2401.09361,
title = {Neural Hawkes: Non-Parametric Estimation in High Dimension and Causality Analysis in Cryptocurrency Markets},
author = {Timothée Fabre and Ioane Muni Toke},
journal= {arXiv preprint arXiv:2401.09361},
year = {2026}
}
备注
Updated with numerical examples on high-dimensional and multimodal kernels as well as and extended empirical results