机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

该研究使用深度强化学习对美式期权进行对冲，并研究了超参数对对冲表现的影响。研究发现每周重新训练的DRL代理性能更好，且在交易成本为1%和3%时，DRL代理优于Black-Scholes Delta方法。

该论文提出了一种新颖的冒险资产组合对冲方法，通过基于资产价格的集合算法投资策略实现多样化活动。研究使用四种不同的理论模型生成价格预测，并用于产生单个和复杂的投资信号。结果显示，基于LSTM的策略优于其他模型，最佳多样化方法是为比特币构建的投资策略。此外，对LSTM模型在更高频率的数据进行测试，结果表现优于使用日常数据。

本文介绍了一个计算多资产期权模型无关边界的方法，该方法结合了依赖不确定性和依赖结构的附加信息。研究提供了资产定价的基本定理和超对冲对偶性，并使用惩罚方法和深度学习逼近解决了交易策略的最小化问题。数值方法快速且计算时间与交易资产数量成线性比例。研究结果表明，“相关”信息比其他信息更有用，应优先考虑。

该论文介绍了一种基于强化学习的 Q-Learning Black Scholes 方法，用于期权定价和对冲。该方法将传统的 Black and Scholes 模型与人工智能算法相结合，实现了完全无模型、数据驱动的期权定价和对冲。研究表明，该模型在不同波动率水平和对冲频率下是准确的估计器，并在各种看跌期权价内外都表现出稳健的性能。

该论文提出了一种新颖的方法来对冒险资产组合进行对冲，通过基于资产价格的集合算法投资策略（AIS）的层面而不是单个资产的层面，来进行多样化活动。研究使用的实证数据涵盖了2004年至2022年的时期。研究发现，基于LSTM的策略优于其他模型，并且对于为标普500指数构建的AIS来说，最好的多样化方法是为比特币构建的AIS。最后，研究对LSTM模型在更高频率的数据进行了测试，得出结论，它的表现优于使用日常数据获得的结果。

1994年西科金融股东会讲话中，讨论了投资收益率、股东收益、风险合适性、对冲、裁员成本、房地产贷款、子公司上市、收购困难和竞争对手出价。

引言 想必大家最近都感受到了股市暴跌的行情了吧？特别是 A 股、港股、还有中概股，跌得可谓特别惨烈，你以为今天已经跌了很多了，那么明天只会更多。 在这种行情下，我今天分享几个对冲风险的方法，可以让大家在股市暴跌的情况下减少损失。 股市下跌的对冲方式 购买做空 ETF 目前我找到了这几个做空的 ETF，都是做空指数不是个股的，这很适合在熊市的时候买入，更激进的可以配合期权操作，买入这几个...