Buchumschlag

The Red Queen's Trap: Limits of Deep Evolution in High-Frequency Trading

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chen, Yijia
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Trading and Market Microstructure Machine Learning Neural and Evolutionary Computing Computational Finance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Informer in Algorithmic Investment Strategies on High Frequency Bitcoin Data
von: Stefaniuk, Filip, et al.
Veröffentlicht: (2025)

High-Frequency Options Trading | With Portfolio Optimization
von: Bhatia, Sid
Veröffentlicht: (2024)

Can Artificial Intelligence Trade the Stock Market?
von: Maskiewicz, Jędrzej, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning Framework for Diversified Portfolio Management Across Global Equity Markets
von: Kashif, Kamil, et al.
Veröffentlicht: (2026)

FinRL-X: An AI-Native Modular Infrastructure for Quantitative Trading
von: Yang, Hongyang, et al.
Veröffentlicht: (2026)

Joint Bidding on Intraday and Frequency Containment Reserve Markets
von: Zhang, Yiming, et al.
Veröffentlicht: (2025)

Exploiting Risk-Aversion and Size-dependent fees in FX Trading with Fitted Natural Actor-Critic
von: Monaco, Vito Alessandro, et al.
Veröffentlicht: (2024)

Deep reinforcement learning for optimal trading with partial information
von: Macrì, Andrea, et al.
Veröffentlicht: (2025)

Stochastic Volatility Modelling with LSTM Networks: A Hybrid Approach for S&P 500 Index Volatility Forecasting
von: Perekhodko, Anna, et al.
Veröffentlicht: (2025)

Hybrid Vector Auto Regression and Neural Network Model for Order Flow Imbalance Prediction in High Frequency Trading
von: Rahman, Abdul, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Trade Execution with Market and Limit Orders
von: Cheridito, Patrick, et al.
Veröffentlicht: (2025)

Deep Learning for Options Trading: An End-To-End Approach
von: Tan, Wee Ling, et al.
Veröffentlicht: (2024)

Generalized Mean Absolute Directional Loss as a Solution to Overfitting and High Transaction Costs in Machine Learning Models Used in High-Frequency Algorithmic Investment Strategies
von: Michańków, Jakub, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Automated Stock Trading: An Ensemble Strategy
von: Yang, Hongyang, et al.
Veröffentlicht: (2025)

Quantitative Trading using Deep Q Learning
von: Sarkar, Soumyadip
Veröffentlicht: (2023)

Limit Order Book Simulations: A Review
von: Jain, Konark, et al.
Veröffentlicht: (2024)

TradingAgents: Multi-Agents LLM Financial Trading Framework
von: Xiao, Yijia, et al.
Veröffentlicht: (2024)

Alternative Loss Function in Evaluation of Transformer Models
von: Michańków, Jakub, et al.
Veröffentlicht: (2025)

A Deep Reinforcement Learning Approach to Automated Stock Trading, using xLSTM Networks
von: Sarlakifar, Faezeh, et al.
Veröffentlicht: (2025)

Enhancing Trading Performance Through Sentiment Analysis with Large Language Models: Evidence from the S&P 500
von: Liu, Haojie, et al.
Veröffentlicht: (2025)

Residual U-net with Self-Attention to Solve Multi-Agent Time-Consistent Optimal Trade Execution
von: Na, Andrew, et al.
Veröffentlicht: (2023)

FLUXLAYER: High-Performance Design for Cross-chain Fragmented Liquidity
von: Lao, Xin, et al.
Veröffentlicht: (2025)

TradeFM: A Generative Foundation Model for Trade-flow and Market Microstructure
von: Kawawa-Beaudan, Maxime, et al.
Veröffentlicht: (2026)

Reinforcement Learning Pair Trading: A Dynamic Scaling approach
von: Yang, Hongshen, et al.
Veröffentlicht: (2024)

FinLlama: Financial Sentiment Classification for Algorithmic Trading Applications
von: Konstantinidis, Thanos, et al.
Veröffentlicht: (2024)

High-frequency financial market simulation and flash crash scenarios analysis: an agent-based modelling approach
von: Gao, Kang, et al.
Veröffentlicht: (2022)

ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism
von: Zhao, Li, et al.
Veröffentlicht: (2025)

FinDPO: Financial Sentiment Analysis for Algorithmic Trading through Preference Optimization of LLMs
von: Iacovides, Giorgos, et al.
Veröffentlicht: (2025)

Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting
von: Bysik, Andrei, et al.
Veröffentlicht: (2026)

FinRobot: AI Agent for Equity Research and Valuation with Large Language Models
von: Zhou, Tianyu, et al.
Veröffentlicht: (2024)

Sequential Structure in Intraday Futures Data: LSTM vs Gradient Boosting on MNQ
von: Mesfin, Mathias
Veröffentlicht: (2026)

LOB-Bench: Benchmarking Generative AI for Finance -- an Application to Limit Order Book Data
von: Nagy, Peer, et al.
Veröffentlicht: (2025)

RED-2400: A Public Benchmark of Algorithmically-Rejected Trading Events with Outcome Labels
von: Kamat, Arati U.
Veröffentlicht: (2026)

Detecting Multilevel Manipulation from Limit Order Book via Cascaded Contrastive Representation Learning
von: Lin, Yushi, et al.
Veröffentlicht: (2025)

Trading-R1: Financial Trading with LLM Reasoning via Reinforcement Learning
von: Xiao, Yijia, et al.
Veröffentlicht: (2025)

Beyond Trend Following: Deep Learning for Market Trend Prediction
von: Berzal, Fernando, et al.
Veröffentlicht: (2024)

Structural Limits of OHLCV-Based Intraday Signals in MNQ Futures: A Systematic Falsification Study
von: Mesfin, Mathias
Veröffentlicht: (2026)

An Impulse Control Approach to Market Making in a Hawkes LOB Market
von: Jain, Konark, et al.
Veröffentlicht: (2025)

Correlation emergence in two coupled simulated limit order books
von: Bauer, Dominic, et al.
Veröffentlicht: (2024)

Second Thoughts: How 1-second subslots transform CEX-DEX Arbitrage on Ethereum
von: Adadurov, Aleksei, et al.
Veröffentlicht: (2026)